天気予報で最も予測が難しい変数の1つは降水量であり、これは洪水予測の主な不確定要因です。しかし、このグーグルの新しいAIシステムは降水量の予測を完全に省略し、代わりに既知のすべての要素から洪水を予測しようとしています。

最大の課題は、これらの洪水予測が最も必要とされる国々は、データ収集の手段が不足しているため、学習アルゴリズムに十分なトレーニングデータがないことです。この新しい手法は、アメリカやその他の国からのデータを再利用し、恵まれない地域に適用することができます。

驚くべきことに、この新しいAIシステムは世界中で使用されているグローバル洪水警報システムよりも正確です。これは非先進国の政府だけでなく、市民にとっても大きな進歩です。これらの洪水予測モデルの中には、スマートフォンで実行できるほど安価なものもあります。

グーグルは、従来の物理ベースのシミュレーションを上回る新しい気象予測アプローチを開発しました。計算コストの高い気象モデルに頼るのではなく、過去の観測データからプローサブルな気象データを生成するディフュージョンベースのAIモデルを使用しています。

その鍵となるアイデアは、テキストプロンプトから画像を生成するディフュージョンモデルを、気象データにも適用できるということです。これらのモデルは、ランダムノイズから出発し、徐々に現実的な気象パターンに変換していきます。その過程で、極端な気象現象の微妙な特徴を学習します。

このアプローチには従来の手法に比べていくつかの利点があります。まず、複雑な気象シミュレーションを実行する必要がないため、はるかに少ない計算パワーで済みます。次に、はるかに大きな過去の気象観測データセットを活用できるため、AIがより包括的なパターンを学習できます。

その結果、従来の手法、NVIDIA社のFourCastNetやDeepMind社のGraphCastを含む、これまでの手法よりも正確な気象予測システムが実現しました。この画期的な成果は、特にデータや計算リソースが限られた地域での気象予報を大幅に改善し、極端な気象現象の予測精度向上によって多くの命を救う可能性があります。

飛行機の排気線、いわゆる「コントレイル」は、地球の気温に測定可能な影響を及ぼすことがあります。永続的な影響を及ぼすコントレイルは全体の5%程度にすぎませんが、その影響は重大です。この問題に対処するため、研究者らはAIベースのシミュレーションを開発し、どの航路の飛行機がこれらの持続的なコントレイルを生み出す可能性が高いかを予測できるようにしました。

コントレイルと見た目が似ている巻雲を正確に区別することが課題でしたが、研究者らはその区別を確実に行う方法を見つけ、AIシステムにとって学習可能な問題にすることができました。

このアプローチの有効性を検証するため、研究者らはアメリカン航空と共同で試験を行い、AIの予測に基づいて軽微なルート変更を提案しました。その結果、熱を捕捉するコントレイルの生成が54%削減され、燃料消費は0.3%しか増加しませんでした。この純粋な効果は、現在の方法に比べて環境に20倍良いものでした。

持続的なコントレイルが生成される可能性の高い地域を意図的に回避することで、航空会社は地球温暖化への影響を大幅に削減できますが、その運航にはほとんど影響がありません。このAI技術の革新的な活用は、航空業界のサステナビリティを高め、気候変動への取り組みに貢献する可能性があります。