09.06.2026 15:18
⛅️ Пока индустрия продаёт ИИ как универсальный мозг, в метеорологии и климатологии его используют куда приземлённее.
⛅️ Пока индустрия продаёт ИИ как универсальный мозг, в метеорологии и климатологии его используют куда приземлённее. Чтобы быстрее считать, удобнее настраивать модели и вытаскивать закономерности из огромных массивов данных. Это не замена физике, а надстройка над ней.
В погодных прогнозах это уже реально работает, например, модели могут запускать десятки сценариев там, где раньше уходили часы и тонны вычислений. Но у них есть слабое место. Возникающие экстремальные события достаточно редкие, и их мало в обучающей выборке. Поэтому модель легко начинает срезать углы и сглаживать то, что в реальности как раз самое важное.
С климатом всё ещё жёстче. Здесь нельзя просто обучить сеть на прошлом и надеяться, что она честно расскажет о будущем, которого в данных ещё не было. Поэтому ИИ встраивают точечно.
Модели хорошо подходят для калибровки параметров, замены отдельных дорогих модулей и создания быстрых эмулляторов, но не как полную замену физическим олдовым моделям.
На одной из картинок показана тепловая карта чувствительности. По вертикали перечислены климатические и атмосферные метрики, а по горизонтали отмечены разные параметры модели. Цветом видно, как сильно каждый параметр влияет на каждый показатель.
Красно-синие ячейки с точками подчёркивают самые важные связи, то есть где изменение параметра заметно сдвигает результат модели, а где влияние почти нулевое.
Это всё не очередной маркетинговый прорыв, но уже настоящий инструмент, который полезен ровно там, где его держат на коротком поводке.
🐱 /start @binarcat /в max
В погодных прогнозах это уже реально работает, например, модели могут запускать десятки сценариев там, где раньше уходили часы и тонны вычислений. Но у них есть слабое место. Возникающие экстремальные события достаточно редкие, и их мало в обучающей выборке. Поэтому модель легко начинает срезать углы и сглаживать то, что в реальности как раз самое важное.
С климатом всё ещё жёстче. Здесь нельзя просто обучить сеть на прошлом и надеяться, что она честно расскажет о будущем, которого в данных ещё не было. Поэтому ИИ встраивают точечно.
Модели хорошо подходят для калибровки параметров, замены отдельных дорогих модулей и создания быстрых эмулляторов, но не как полную замену физическим олдовым моделям.
На одной из картинок показана тепловая карта чувствительности. По вертикали перечислены климатические и атмосферные метрики, а по горизонтали отмечены разные параметры модели. Цветом видно, как сильно каждый параметр влияет на каждый показатель.
Красно-синие ячейки с точками подчёркивают самые важные связи, то есть где изменение параметра заметно сдвигает результат модели, а где влияние почти нулевое.
Это всё не очередной маркетинговый прорыв, но уже настоящий инструмент, который полезен ровно там, где его держат на коротком поводке.
🐱 /start @binarcat /в max