GenCast erottuu tuottamalla ei vain yhtä, vaan viisikymmentä samanaikaista ennustetta, joista kukin edustaa säätilannetta, ja nämä verrataan sitten toisiinsa, jotta voidaan ehdottaa todennäköisintä skenaariota. Tämä niin sanottu "kokonaisuusmenetelmä" mahdollistaa mahdollisuuksien kirjoa tarkasti, mikä on keskeinen innovaatio alalla, jossa epävarmuus hallitsee yli muutaman päivän.
Mutta miten tekoäly saavuttaa tällaisia tuloksia? Yhdistämällä diffuusiomallien voiman, joita käytetään usein kuvien luomiseen, ja erityisen sovituksen maapallon pallomaiselle geometralle. Tämän rakenteen ansiosta GenCast voi piirtää monimutkaisia ilmastonmuutoksia ennennäkemättömällä tarkkuudella.
Tätä mallia on koulutettu neljän vuosikymmenen ajan ERA5-arkistojen tiedoilla Euroopan keskipitkien sääennusteiden keskuksesta. Mukana olevia muuttujia ovat: lämpötila, tuulen nopeus ja ilmanpaine. Nämä tiedot antavat tekoälylle mahdollisuuden oppia suurista ilmastollisista kaavoista ja tarjota yksityiskohtaisia ennusteita 0,25 asteen tarkkuudella.
Testien aikana GenCast ylitti nykyisen maailmanlaajuisen vertailujärjestelmän, ENS:n, 97,2 %:ssa tapauksista, ja jopa 99,8 %:ssa yli 36 tunnin aikarajoilla. Vain kahdeksassa minuutissa malli tuottaa 15 päivän ennusteen yhdellä Google Cloudin TPU-prosessorilla, kun taas perinteiset menetelmät vaativat supertietokoneita ja tunteja laskentaa.
Yksinkertaisen päivittäisen sään lisäksi GenCastin kyvyt ovat tärkeitä äärimmäisille ilmiöille, kuten sykloneille ja voimakkaille tuulille. Ennakoimalla näitä tapahtumia tarkemmin tekoäly voisi pelastaa elämiä ja vähentää aineellisia vahinkoja.
Mahdollinen vaikutus ulottuu myös uusiutuviin energialähteisiin. Parempi tuulen ennustaminen mahdollistaisi tuulivoimaloiden käytön optimoinnin, vahvistaen näin siirtymistä puhtaaseen ja kestävään energiaan.
Kuitenkin tämä edistysaskel ei täysin poista rajoituksia. GenCast perustuu menneisiin tietoihin, ja sen tehokkuus muuttuvassa ilmastossa on edelleen epävarmaa. Tutkijat korostavat tarvetta säännöllisille päivityksille, jotta voidaan sopeutua uusiin ilmastodynamiikkoihin.
Antamalla GenCastin koodit ja tiedot käyttöön, Google toivoo nopeuttavansa innovaatioita tällä alalla. Tavoitteena on yhdistää tekoäly ja perinteinen meteorologia.