L'une des variables les plus difficiles à prédire dans la météo est les précipitations, qui sont la principale source d'incertitude dans la prédiction des inondations. Cependant, ce nouveau système d'IA de Google saute complètement la prédiction des précipitations et essaie plutôt de prédire les inondations à partir de tout le reste qui est connu.

Le défi clé est que les pays qui ont le plus besoin de ces prévisions d'inondations sont souvent les endroits qui n'ont pas suffisamment de données d'entraînement pour l'algorithme d'apprentissage, car ils n'ont pas les moyens de les collecter. Cette nouvelle technique aide à réutiliser les données des États-Unis et d'autres pays et à les appliquer à des régions moins favorisées.

Remarkablement, ce nouveau système d'IA est plus précis que les systèmes mondiaux de sensibilisation aux inondations utilisés dans le monde. C'est une avancée incroyable qui peut grandement aider les nations non avancées, non seulement leurs gouvernements mais aussi leurs citoyens. Certains de ces modèles de prévision des inondations sont même assez bon marché pour fonctionner sur un smartphone dans votre poche.

Google a développé une approche novatrice de la prévision météorologique qui surpasse les simulations traditionnelles basées sur la physique. Au lieu de s'appuyer sur des modèles météorologiques coûteux en calcul, ils utilisent des modèles d'IA à diffusion pour générer des données météorologiques plausibles à partir d'observations historiques.

L'idée clé est que les modèles de diffusion, qui sont utilisés pour créer des images à partir de textes, peuvent également être appliqués aux données météorologiques. Ces modèles partent d'un bruit aléatoire et le transforment progressivement en motifs météorologiques réalistes, en apprenant les subtilités des phénomènes météorologiques extrêmes au passage.

Cette approche présente plusieurs avantages par rapport aux méthodes traditionnelles. Tout d'abord, elle nécessite beaucoup moins de puissance de calcul, car elle n'a pas besoin d'exécuter des simulations météorologiques complexes. Deuxièmement, elle peut s'appuyer sur un ensemble de données beaucoup plus important d'observations météorologiques historiques, permettant à l'IA d'apprendre des motifs plus complets.

Le résultat est un système de prévision météorologique plus précis que les techniques précédentes, y compris FourCastNet de NVIDIA et GraphCast de DeepMind. Cette percée a le potentiel d'améliorer considérablement les prévisions météorologiques, en particulier dans les régions disposant de données et de ressources de calcul limitées, sauvant ainsi de nombreuses vies grâce à une meilleure prédiction des phénomènes météorologiques extrêmes.

Les traînées d'échappement des avions, appelées traînées de condensation, peuvent avoir un impact mesurable sur la température de la planète. Bien qu'un faible pourcentage seulement de ces traînées (environ 5%) aient un effet durable, cet impact est significatif. Pour résoudre ce problème, des chercheurs ont développé une simulation basée sur l'IA qui peut prédire quels avions sur quelles routes sont susceptibles de créer ces traînées de condensation persistantes.

Le défi consiste à distinguer avec précision les traînées de condensation des nuages de cirrus qui leur ressemblent. Cependant, les chercheurs ont trouvé un moyen fiable de différencier les deux, rendant le problème apprenable pour le système d'IA.

Pour tester l'efficacité de cette approche, les chercheurs ont mené un essai avec American Airlines, où ils ont proposé de légers ajustements de route en fonction des prédictions de l'IA. Le résultat a été une réduction de 54% de la création de traînées de condensation piégeant la chaleur, avec seulement une augmentation de 0,3% de la consommation de carburant. Cet effet net est 20 fois meilleur pour l'environnement que l'approche actuelle.

En évitant intentionnellement les régions où la formation de traînées de condensation persistantes est probable, les compagnies aériennes peuvent réduire considérablement leur impact sur la température de la planète, avec un impact minimal sur leurs opérations. Cette utilisation innovante de la technologie d'IA a le potentiel de rendre l'aviation plus durable et de contribuer à la lutte contre le changement climatique.