時速 160 キロメートル以上のスピードで空から無数のゴルフ ボールが落ちてきたら、どのような状況になるでしょうか。そのような想像をしてみると、雹による被害がどれほど恐ろしいものかおわかりいただけると思います。
ほんの数分で、農作物を駄目にしたり、自動車のボンネットを凹ませたり、フロント ガラスを割ったり、さらには家屋や建物に穴を開けることさえあります。その結果、数十億ドルもの損害が発生することもあります。
米国国立大気研究センター (NCAR) のデヴィッド ガニエ 2 世 (David Gagne II) 博士は、先週開催された GPU テクノロジ カンファレンスの講演の中で次のように述べました。「雹は非常に大きな被害をもたらすため、人々が安全な場所に避難して、財産を損害から守ることができるように、予報の確度を向上させる必要があります」
ガニエ博士をはじめとする NCAR の科学者たちは、GPU アクセラレーションを活用したディープラーニングを使用して、雹の降る確率、場所、雹の大きさの予報精度を向上させています。
現在の雹予報の欠点
雹は、積乱雲内部の強い上昇気流によって、水滴が凍結高度のはるか上まで吹き上げられた場合に発生します。水滴は凍結して雹の粒になり、さらに水滴が付着して凍結することで成長します。そして、雹が上昇気流によって支えきれないほど重くなると、地面へ落下します。
気象学者などの科学者は複数の方法で暴風雨を予測していますが、ガニエ博士の指摘によると、どの方法にも欠点があり、予測に漏れや誤りが生じる可能性は避けられません。そうした中、機械学習ベースの予報も科学者によってさまざまな実験が行われてきました。
「機械学習は、悪天候を高い確度で予測できますが、空間パターンを学習させるには非常に手間がかかります」とガニエ博士は述べています。雨や雹によって影響を受ける地域を割り出すには、この空間パターンの提示が必要なのです。
AI 予測の可能性
一方で、米国気象学会の機関紙に掲載されたガニエ博士らの論文によると、ディープラーニング モデルに空間パターン、時間、物理的条件解釈を統合することは比較的容易に行えます。
AI は、ドップラー レーダーマップ (テレビの天気予報で見かける色分けされた地図) などのデータから新しい知見を引き出す可能性を秘めています。
ガニエ博士はこう語っています。「ディープラーニングがこうした画像を認識できたら、気象学者と同じ結論に行き着くのか、それとも違う結論を導き出すのかということに興味を引かれます」
雹による車のボンネットへの被害。科学者は、雹の予測精度を向上させることで、人々 (と自動車) が暴風雨の被害を避けられるようになると期待しています。
車を凹ませる雹の予測
ガニエ博士のチームは NVIDIA Tesla GPU と cuDNN アクセラレーションによる TensorFlow ディープラーニング フレームワークを使用して、直径 25 ミリメートル以上の雹を予測するモデルのトレーニングを行っています。
「これ以上の大きさになると、車を凹ませたり、屋根を傷つけたりする可能性があります」と、ガニエ博士は説明します。
これまでの実験では、このモデルは概して他の手法よりも誤報が少なく、精度が高いという結果が出ています。雹の予測精度が向上することで、人々が安全な場所に避難したり、被害の及ばない場所に車を退避させたり、航空会社が飛行経路を変更したり、フライトをキャンセルしたりできます。
ガニエ博士らの研究チームは、降水量、強風、暴風雨の継続時間などを予測する AI の実験も行っています。