Canalblog
Editer l'article Suivre ce blog Administration + Créer mon blog
Publicité
Sciences de l'Ingénieur et Simulation
Pages
Archives
21 novembre 2023

L'IA ou la simulation ?

Faudra-t'il un jour futur, remplacer simulation par intelligence artificielle dans le titre de ce blog ? on n'en a jamais été aussi près si l'on considère cet article publié dans la revue Science du 14 novembre "Learning skillful medium-range global weather forecasting" (Apprentissage des prévisions météorologiques mondiales à moyen terme)

La prévision numérique traditionnelle (voir "100 Years of Progress in Forecasting and NWP Application" - Stanley G Benjamin, John M Brown, Gilbert BrunetPeter LynchKazuo Saito, Thomas W Schlatter) telle qu'initiée par Lewis Fry Richardson en 1922 utilise des ressources de calcul accrues pour améliorer la précision des prévisions, mais n’utilise qu'indirectement les données météorologiques historiques (par le biais des conditions initiales) pour améliorer le modèle sous-jacent. L'article présente "GraphCast", une méthode d’apprentissage automatique directement formée à partir de données de réanalyse. Il prédit des centaines de variables météorologiques, sur 10 jours à une résolution de 0,25° globalement, en moins d’une minute. GraphCast surpasse de manière significative les systèmes déterministes opérationnels les plus précis sur 90% des 1380 cibles de vérification, et ses prévisions sont meilleures pour les événements graves, y compris le suivi des cyclones tropicaux, des rivières atmosphériques et des températures extrêmes. GraphCast est une avancée clé dans les prévisions météorologiques précises et efficaces, et aide à réaliser la promesse de l'apprentissage automatique pour modéliser des systèmes dynamiques complexes.

Les méthodes de prévision par IA reposent essentiellement sur de grandes quantités de données (près de 40 millions de paramètres dans ce cas) et leur qualité, qui, dans le cas des modèles formés à la réanalyse, dépend de la fidélité des méthodes numériques. Restent à introduire dans tous les cas les incertitudes !

Peut-être une complémentarité plutôt qu'une compétition à rechercher ! Y a t'il des exemples dans l'ingénierie "académique" et/ou industrielle? Vu récemment une présentation intéressante de Michelin qui penche vers cette complémentarité reliant en particulier V&V et IA.

Je viens de relire un article "Qui a peur de l'Intelligence Artificielle" de Rodney Brooks d'octobre 2017 publié dans MIT Technology Review : il présente les fantasmes et les extrapolations erronées d'il y a 6 ans !

Publicité
Commentaires
Sciences de l'Ingénieur et Simulation
  • Blog de la simulation et de la modélisation dans les Sciences de l'ingénieur issu d'une expérience bientôt quinquagénaire mais aussi regardant le présent et l'avenir sans concession, sans trop d'académisme (un peu quand même) et sans mercantilisme.
  • Accueil du blog
  • Créer un blog avec CanalBlog
Publicité
Publicité