У сучасному світі великі моделі штучного інтелекту стали ключовим інструментом у прогнозах погоди та кліматичних змін. Однак нове дослідження вчених з MIT показує, що великі моделі не завжди дають найточніші результати. У деяких сценаріях кліматичних змін простіші, фізичні моделі можуть забезпечити більш точні прогнози.

Сила простих моделей
Команда дослідників виявила, що в певних умовах клімату, такі як регіональні зміни температури, прості фізичні моделі перевершують сучасні глибокі навчальні моделі. Це дослідження також виявило, що популярні методи оцінки моделей машинного навчання можуть бути спотворені природними коливаннями даних, наприклад, змінами в погодних умовах.
Розроблена команда MIT нова методика оцінки показала, що хоча прості моделі точніші у прогнозуванні регіональних температур, глибокі навчальні підходи можуть бути кращими для оцінки місцевих опадів.
Розвиток інструментів симуляції
На основі отриманих результатів дослідники вдосконалили інструмент симуляції, який швидко моделює вплив людської діяльності на майбутній клімат. Це дослідження є попередженням про ризики застосування великих моделей ШІ в кліматичній науці, наголошуючи на важливості інтеграції фізичних законів у моделі штучного інтелекту.
Вчені сподіваються, що їхня робота сприятиме розвитку кращих методів оцінки, які допоможуть визначити, яка техніка емуляції клімату краще підходить для конкретної ситуації, забезпечуючи прийняття обґрунтованих рішень політиками.