ИИ‑прогнозы помогают фермерам при муссоне ^{CEFR B2}

Инструменты искусственного интеллекта перестраивают подход к прогнозированию погодных и климатических рисков. Успешное применение NeuralGCM в Индии, где модель верно предсказала трёхнедельную паузу в продвижении муссона после выхода на сушу и его последующее движение на север, вдохновило работу над похожими методами и дало основания полагать, что в рамках более крупного проекта от этих результатов могут выиграть 30 стран.

NeuralGCM — гибридная модель, которая сочетает классическое физическое прогнозирование с методами машинного обучения для имитации атмосферы. Модель разработана Google и по оценкам исследователей из Чикагского университета показала высокие результаты по нескольким метрическим показателям и лучшую вычислительную эффективность по сравнению с традиционными моделями. Эти прогнозы были доступны за четыре недели до обычного начала муссона и этим летом дошли до 38 миллионов фермеров в Индии, помогая им принимать решения о сроках посева. Программное обеспечение может работать на ноутбуке, что делает качественные прогнозы более доступными по сравнению с моделями, требующими дорогих суперкомпьютеров.

Инициатива была запущена в этом году и сейчас сотрудничает с пятью странами:

• Бангладеш
• Чили
• Эфиопия
• Кения
• Нигерия

Команда планирует добавить десять стран в 2026 году и ещё 15 в 2027 году, расширяя охват до миллионов фермеров, и обучает метеорологов в странах с низким и средним уровнем дохода. Чикагский университет получил поддержку от Фонда Гейтса для сопоставления существующих моделей над Восточной и Западной Африкой с упором на сезоны дождей и жаровые волны. Майкл Кремер оценил возможные экономические выгоды примерно в более чем US$100 на каждый доллар, вложенный правительством.

Некоторые аграрные учёные, в частности Арун Шанкер, подчеркивают необходимость связать сигналы о дожде с данными о влажности почвы, дефиците парциального давления пара, прогнозах теплового стресса и чувствительности культуры на разных стадиях. Они предупреждают, что ошибочный прогноз раннего начала сезона может привести к гибели всходов, затратам на пересев и потере времени роста. Пока неясно, как быстро будут решены все технические и практические задачи при масштабировании проекта.