L’outil météo de Google dépasse de 97 %
GenCast, un outil de prévision météorologique alimenté par l’IA, fournit des prévisions précises sur 15 jours en quelques minutes, offrant à la fois une commodité pour la planification quotidienne et des alertes vitales pour les phénomènes météorologiques extrêmes.
Malgré les avancées de la météorologie moderne, prédire le temps avec précision reste un défi en raison de la complexité de l’analyse de nombreux points de données, surtout pour de longues périodes.
Développé par Google DeepMind, GenCast s’appuie sur quatre décennies de données historiques de l’ECMWF, le service météorologique le plus précis au monde, pour améliorer la précision des prévisions.
Précision remarquable dans les prévisions météorologiques
GenCast a surpassé les prévisions de l’ECMWF pour 2019, obtenant une précision supérieure de 97,2 % pour les prévisions sur 15 jours et de 99,8 % pour les prévisions à court terme, dépassant des outils précédents comme GraphCast.
En générant plusieurs simulations et en les consolidant, GenCast fournit des prévisions en seulement huit minutes en utilisant les processeurs TPU v5 de Google, bien plus rapidement que les superordinateurs traditionnels.
GenCast utilise un modèle de diffusion adapté à la géométrie sphérique de la Terre, lui permettant de prédire des scénarios météorologiques complexes en fonction des conditions les plus récentes.
Au-delà de la prévision
Cependant, de la sauvegarde des vies grâce aux alertes précoces sur les intempéries sévères à l’aide aux projets d’énergie renouvelable en identifiant les schémas de vent, l’impact de GenCast va bien au-delà des simples mises à jour météorologiques quotidiennes.
Bien que l’application ne soit pas encore disponible, Google partage les données de GenCast avec des experts, ouvrant la voie à une meilleure précision dans les applications météorologiques et à des avancées météorologiques plus larges.
Lisez l’article original sur : New Atlas
En savoir plus : Elevated CO2 Levels Cause Mineral Deficiency in Plants Resulting in Less Nutritious Crops
