天気予報の精度が大幅に向上、Microsoft チームがデータ競争でトップに

超神経質で

シーンの説明:Microsoft 研究チームは、機械学習テクノロジーを使用して、季節気候予測における気温と降水量の予測精度を大幅に向上させました。これは、天気予報に依存している場所にとって便利です。

キーワード:機械学習、天気予報、AI for Earth

天気予報にからかわれたんでしょうね。しかし、天気予報がどれほど当てにならなくても、天気は私たちと密接に関係しているため、人々はそれを喜んでいます。たとえば、農業計画では、次の気候条件に備えるためにできるだけ正確に予測する必要があります。

ケンブリッジのマイクロソフト研究所の機械学習研究者レスター・マッキー氏は、今後２～６週間の現時点での一般的な予測は「単なる運の問題」だと指摘した。この状況を解決するために、彼は AI の専門知識を天気予報に応用し、正確な予測の可能性を高めました。

マッキーと彼のチームは、機械学習関連の技術を応用して、次のような超高度な技術を開発しました。米国開拓局が開催した季節未満の気象予測コンテストでは、チームのモデルは以前の標準モデルよりもはるかに正確でした。このコンテストの目的は、水文条件の変化への対応や干ばつや洪水の早期防止など、水資源管理の課題を解決することです。

Mackey チームの研究プロジェクトは、マイクロソフトの AI for Earth プログラムからも支援を受けており、テクノロジを利用して社会にさらに貢献することを奨励しています。

機械学習と天気予測が衝突するとき

マッキーは、将来の共同研究者である大気環境研究の気候学者ジュダ・コーエンに出会うまで、天気と気候の予測についてほとんど知りませんでした。

コーエン氏は以前、気候リスクコンサルティングに従事しており、天気予報に情熱を持っていました。しかし、従来の方法の欠点により進歩が遅くなったため、彼は機械学習方法を使用して改善を試みました。

コーエン氏がマッキー氏に連絡したのは、マッキー氏が機械学習テクノロジーに優れていることを知ったからだ。機械学習テクノロジーでは、過去の気象データや気象データから効果的な情報を収集して、予測手法の改善に役立てることができる。

コーエン氏の励ましにより、マッキー氏もこの分野における機械学習の応用可能性と利点を徐々に認識していきました。その後、彼らはそれぞれの専門分野を組み合わせて、綿密な協力を開始しました。

かつては、過去のデータから天気を分析、予測するのによく使われていましたが、1980年代になると、この方法は徐々に使われなくなりました。それ以来、大気と海洋の進化の物理モデル シミュレーションが業界を支配するようになりました。コンピューティング能力が飛躍的に増大するにつれて、これらのモデルはより洗練され、人気が高まっています。

「現在、主要な気候センターは大気と海洋の動きをモデル化するために大型のスーパーコンピューターを使用しています」とマッキー氏は言う。現在の一般的な方法は、現在の気象条件を取得し、その微分方程式を計算して予測を行うことです。」

しかし、マッキーとコーエンには別の計画がありました。彼らは、膨大な過去のデータ情報をサブ季節の予測に統合したいと考えています。

AI for Earth イニシアチブを担当する Microsoft の最高環境責任者であるルーカス ジョッパ氏は次のように述べています。「マッキーは難しい問題を解決しようとしています。利点は、彼が研究しているテクノロジーがたまたま天気予報に非常に役立ち、より広い社会的および経済的分野に十分に応用できることです。」

「水を試す」ために使用された競争は結果をもたらしました...

マッキーとコーエンの共同研究が進むにつれて、コーエンは米国開拓局が主催するコンテストの通知を受け取りました。このコンテストの目的は、米国西部の気温や降水量などの天気予報の精度を向上させることでした。

マッキー氏は、現在のモデルは短期的にも長期的にも比較的成熟した手法を備えていると述べた。7 日以内の気象モデルについてはすでに良好な結果を示しており、1 年から 10 年以上の非常に長期にわたる気候予測についても同様である。モデルもよく開発されています。

しかし、季節未満の予測は、毎日の気温や風などの短期的な天候に影響を与える変数と、エルニーニョや北極の海氷などの季節要因の組み合わせに依存する中間段階です。このため、予測がより困難になります。

13 か月にわたる競技期間中、今後 3 ～ 4 週間、または 5 ～ 6 週間の天気予報を常に作成する必要があります。コンテストには、降水量と気温の予測が含まれます。

より適切な予測を行うために、彼らは 2 つの異なる機械学習手法を使用しました。 1つは、過去の気温や降水量の記録、海氷の集中やエルニーニョ現象などの物理予測モデル群（MultiLLRに相当）など、さまざまなデータを適用することです。もう 1 つは、処理対象のプロジェクトにプロジェクトの履歴データを 1 つだけ使用する方法です (AutoKNN に相当)。

「私たちは 2 週間ごとに予測を行っていますが、その間は基本的に新しいデータを取得し、データを処理し、新しいメソッドをテストするためのインフラストラクチャをセットアップし、新しいメソッドを開発して評価します。」と Mackey 氏は説明します。今後 2 週間の予測と繰り返しです。」

ゲームの後半で、Mackey のチームは 2 つの方法を組み合わせて最良の予測結果を達成しようとしました。コンテストの結果も米国時間3月7日に発表された。

マッキーとコーエンのチームは、3 ～ 4 週間の気温の予測で 1 位、5 ～ 6 週間の総降水量の予測で 2 位という素晴らしい結果を達成しました。

天気は予報されていましたが、彼らの将来はどうなるでしょうか？

関連する技術的な詳細と研究結果は、arXiv.org 上の論文でチームによって公開されました。より多くの人にこのチャレンジに参加してもらうために、彼らは作成したデータセットも公開しました。

論文アドレス: https://arxiv.org/pdf/1809.07394.pdf

データセットのアドレス: https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/IHBANG

現在、Microsoft の AI for Earth プログラムは、より多くの人々が機械学習ベースの予測テクノロジーを拡張および改善することを奨励するために、Mackey 氏とその同僚に資金を提供しています。

さらに、Microsoft の AI for Earth は、チームを拡大して研究を改善するために、マッキーとチームにさらに多くの資金を提供する予定です。

米国開拓局の水資源研究者ケネス・ノワク氏はこう語る。「この手法がより完璧になり、より幅広い分野で応用されることを期待しています。」彼はこう付け加えた。政府機関は天気予報で「機械学習を活用するさらなる機会を模索する」だろう。

チョーヘンとマッキーは、季節亜気候予測における AI の潜在的価値に興味を持ち、画期的な研究を実施しました。また、次の研究に対するビジョンにも満ちています。「機械学習の利点は理解しています。これは終わりではなく、むしろ始まりのようなものです。私たちがやるべきことはまだたくさんあります。」