Des données provenant d’une simulation de plusieurs décennies, appelée ERA5, sont introduites dans le réseau de graphes GraphCast sous forme de mesures à un point particulier. En parcourant le graphe, GraphCasts prédit la prochaine mesure à cet endroit et à ses voisins. Les climatologues ont passé des décennies à accumuler des données sur les changements climatiques aux quatre coins du globe. Des efforts tels que ERA5, un enregistrement du climat remontant à 1950, développé par le Centre européen de prévisions météorologiques à moyen terme (ECMWF), constituent une sorte de simulation de la Terre au fil du temps, un enregistrement de la vitesse du vent, de la température, de la pression atmosphérique et d’autres variables, heure par heure. Cette semaine, Google DeepMind a salué ce qu’il a appelé un tournant dans l’utilisation de toutes ces données pour faire des prédictions peu coûteuses des conditions météorologiques. Fonctionnant sur une seule puce d’IA, le Tensor Processing Unit (TPU) de Google, les scientifiques de DeepMind ont pu exécuter un programme qui peut prédire les conditions météorologiques avec plus de précision qu’un modèle traditionnel fonctionnant sur un supercalculateur. De plus : moins c’est plus quand il s’agit d’IA, selon Google DeepMind. Le papier de DeepMind paraîtra la semaine prochaine dans le numéro scientifique de la revue Science, accompagné d’un article de la rédaction qui compare le papier à une partie d’une « révolution » dans la prévision météorologique.
« Les livres de Penguin Random House disent maintenant explicitement ‘non’ à la formation IA »
‘Écrit par Emma Roth, dont le portfolio couvre aussi bien les percées technologiques grand public, les dynamiques de l’industrie du
