У Microsoft появился новый инструмент машинного обучения для улучшения прогнозов погоды

Физические и основанные на ИИ модели сталкиваются с похожими проблемами, когда начинают прогнозировать погоду на две недели или более вперёд. Традиционные модели пытаются смоделировать сложную физику земной атмосферы, тогда как модели ИИ ищут закономерности в исторических данных для составления прогнозов. В обоих подходах модели полагаются на приближения, чтобы восполнить пробелы в данных — будь то пробелы, связанные с регионами с редкой сетью метеостанций, или со сложными атмосферными явлениями, которые учёные всё ещё пытаются понять. Способы, которыми эти модели компенсируют подобные пробелы в данных, могут приводить к систематическому смещению. Возникающие ошибки накапливаются при составлении прогнозов на более отдалённый срок, делая эти предсказания менее точными.