ШІ для прогнозування погоди від Nvidia – алгоритми працюють у 1000 разів швидше – новини технологій
Нові моделі Earth-2 обіцяють дешевші розрахунки та прагнуть замінити традиційні системи.
Корпорація Nvidia 26 січня представила три моделі штучного інтелекту з відкритим кодом, призначені для швидшого створення прогнозів погоди. Їх презентували на щорічній зустрічі Американського метеорологічного товариства в Х’юстоні. Компанія прагне повністю замінити дороге та трудомістке традиційне прогнозування версіями на основі ШІ, пише Reuters.
Серед представлених моделей платформи Earth-2 є система для 15-денних прогнозів погоди. Також Nvidia показала модель для прогнозування сильних штормів у США на шість годин вперед та інструмент для інтеграції даних з різних метеорологічних датчиків.
Нові моделі є частиною ширшої стратегії Nvidia щодо розвитку програмного забезпечення з відкритим кодом. У компанії стверджують, що після навчання такі моделі можуть відповідати або перевершувати точність класичних методів прогнозування погоди. Водночас вони працюють значно швидше та потребують менших витрат на експлуатацію.
Директор з досліджень кліматичного моделювання Nvidia Майк Прітчард зазначив, що одним із ключових практичних застосувань стане страхова галузь. За його словами, страховики зацікавлені в моделюванні екстремальних подій, зокрема, повеней і ураганів.
Історично такі прогнози були дорогими через використання так званих “ансамблів” — великої кількості паралельних сценаріїв розвитку погоди. Детальне обчислення кожного сценарію займало багато часу й обчислювальних ресурсів.
“Напруга зникла, бо після навчання ШІ стає в 1000 разів швидшим. Тож ви можете вільно керувати величезними ансамблями. А страхові компанії керують ансамблями з 10 000 учасників”, — підсумував Прітчард.
На виставці CES 2026 компанія Nvidia достроково презентувала нову обчислювальну платформу Vera Rubin, яка має перевершити успішне покоління Blackwell. Система об’єднує шість чіпів у єдиний суперкомп’ютер, забезпечуючи п’ятикратне зростання потужності для навчання моделей та суттєву економію ресурсів.