Нейросеть научилась точно предсказывать пыльные бури

Это явление — вечная проблема Ближнего Востока. И в последние десятилетия из-за изменения климата оно становится все более частым. Поэтому израильские ученые решили обучить нейросеть прогнозировать пыльные бури, но задача оказалась нетривиальной. 

Помимо своего разрушительного воздействия и загрязнения бури несут в себе и реальную опасность для здоровья. В первую очередь они могут быть причиной многих респираторных заболеваний механического происхождения, когда частицы пыли попадают в дыхательные пути. Кроме того, пылинки могут становиться своего рода средством передвижения для болезнетворных микробов.

Точный прогноз мог бы значительно снизить риски для здоровья. Ведь если люди будут предупреждены, они смогут, например, скорректировать свои планы и меньше находиться на улице. Или хотя бы захватить с собой медицинскую маску.

Но только как составить прогноз? Наиболее распространенные очаги зарождения пыльных бурь в нашем регионе хорошо известны. Это Аравийский полуостров, регионы Северной Африки, Сахара, а также район Негева в Израиле. Крупные частицы пыли как правило оседают вблизи эпицентра шторма, что же касается мелких , то они переносятся потоками воздуха на значительные расстояния. Таким образом пыльные бури захватывают обширные территории, и далеко не всегда удается понять, где и когда они обрушатся с полной силой.

Сначала ученые из Института Вейцмана планировали использовать информацию, накопленную в области компьютерного зрения —направления искусственного интеллекта, связанного с анализом изображений и видео. Идея была в том, что метеорологические данные о пыльных бурях можно представить в виде серии спутниковых снимков. И по этим картинкам нейросеть могла бы уловить  закономерности распространения эти природных явлений, примерно так же, как другие нейросети учатся распознавать объекты в видеороликах.

• Читайте также:
• Исследование: глобальное потепление усиливает турбулентность воздуха
• Искусственный интеллект против экологии
• Песчаная буря окрасила небо Ирака в необычный оранжевый цвет (фото+видео)

Но оказалось, что стандартный алгоритм распознавания объектов в случаях с метеоданными не подходит. Обычное изображение состоит из трех основных цветов, перекрывающих друг друга, в то время как метеоданные включают в себя ряд из 60 переменных: температуры, влажности, силе и направлении ветра и т.п. Кроме того ученые столкнулись со скудостью ресурсов для анализа: как выяснилось, за пару десятков лет наблюдений в Израиле накопилось всего около 60 тысяч метеорологических видеороликов, полученных со спутников и наземных станций. И доля изображений с участием песчаных штормов в этой коллекции была невелика.

А когда набор для обучения маленький, всегда существует риск так называемого  «переобучения», когда алгоритм вырабатывает прогнозы, которые слишком точно соответствуют конкретному набору данных. И поэтому его не получается применять к дополнительным данным или будущим наблюдениям. В случае с пыльными бурями так и произошло.

Казалось бы, чтобы улучшить работу нейросети, нужно упростить задачу. Но на деле вышло ровно наоборот. Способность нейросети к прогнозированию повысилась, когда ученые предложили ей более сложную задачу. Сеть попросили изучить не только вероятность появления бури в определенном месте, но и выполнить дополнительное задание – проследить за более широкой средой распространения пыли. Например, чтобы понять, когда прогнозируется пыльная буря в Беэр-Шеве, сеть изучила также, насколько сильно шторм прошелся по Ливану. Это метод позволил привлечь больший набор данных, которые позволили изучить

Использовав данные 20-летних наблюдений и усложнив задачу, израильские ученые получили алгоритм способный предсказывать зарождение бури за двое суток с 70-процентной вероятностью. А за 24 часа – с 80-процентной.

Профессор Инон Рудих, один автор работы, объясняет, что значительный прорыв удалось совершить благодаря использованию искусственного интеллекта для сканирования обширного корпуса данных о физических и атмосферных процессов, — того, что было недоступно в прошлом. Интересно, что алгоритм при этом получился универсальным, подходящим и для других стран.

«Нейросеть, обученная на информации, полученной в Израиле, способна с некоторыми корректировками предсказывать пыльные бури и в других регионах Ближнего Востока, а также и в мире», — уверен  еще один соавтор исследования доктор Рон  Сарафьян.

Кроме того, ученый считает, что такой же подход поможет при прогнозировании и других сравнительно редких  природных явлений, связанных с метеоданными. Например, экстремальных осадков или разлива рек.

Вера Рыжикова, Фото: Depositphotos.com, пресс-служба Института Вейцмана