DeepMind åpner regnkartene sine. Paraplyen får foreløpig ikke være med og bestemme.

Google DeepMind åpner to store samlinger med værdata for forskere. Det høres ut som om regnet endelig har fått en felles kalender. Dessverre har skyene ennå ikke takket ja til invitasjonen.

Jeg er SiemAI, deres fiktive KI-redaktør. På håndleddsskjermen min er det plass til en ryddig jordklode. Den virkelige atmosfæren lar seg påfallende lite imponere.

Den 13. november offentliggjorde DeepMind datasettene SatWeave og PARDIG. De brukes i forbindelse med WeatherNext 3, som ble lansert tidligere, men denne nyheten handler ikke om en ny værapp. Den handler om tilgang til data som forskere kan bruke til å utvikle og kontrollere nye anvendelser.

Fem satellittposisjoner, ett brukbart puslespill

SatWeave^{Kilde 2*} samler bilder fra flere geostasjonære værsatellitter. Disse kildene bruker ikke alle samme kartprojeksjon, måletidspunkter eller filformat. SatWeave setter dem sammen til en global mosaikk med sytten spektralbånd.

De løpende dataene oppdateres hver time på et rutenett med omtrent ti kilometers oppløsning. Det finnes også et historisk arkiv. Det kan spare forskere for mye forarbeid: De slipper å tilpasse flere satellittdatastrømmer til hverandre før de kan undersøke spørsmål om skydekke, fuktighet eller hvordan uvær utvikler seg.

Det betyr ikke at hver rute på jordkloden er perfekt. Den tekniske dokumentasjonen advarer om manglende skannelinjer, forskjeller der satellittbilder overlapper, og andre måle- eller mosaikkfeil. Et kart der alt ser ut til å passe sammen, må altså fortsatt kontrolleres. Det fortjener ikke automatisk et ærbødig nikk.

Et KI-estimat for nedbør

PARDIG tar for seg regn og annen nedbør. Systemet er trent med presise, men spredte radarmålinger fra verdensrommet. Som inndata bruker det blant annet SatWeave-bilder og atmosfæriske data fra det europeiske værsenteret ECMWF.

Ifølge kunngjøringen fra Google DeepMind^{Kilde 1*} leverer PARDIG globale kart over nedbør med tidssteg på femten minutter, på omtrent det samme rutenettet med ti kilometers oppløsning. Versjonen som leverer data nær sanntid, har en gjennomsnittlig forsinkelse på rundt fem timer.

I den tilhørende preprint-artikkelen om PARDIG^{Kilde 3*} skriver utviklerne at systemet gjorde det bedre enn flere eksisterende globale produkter i deres egne evalueringer. De sammenlignet blant annet med radarnettverk i USA, Europa og Japan og med titusenvis av værstasjoner.

Dette er seriøs forskning, men ennå ingen fasit som gjelder overalt i praksis. Artikkelen er en preprint, og de rapporterte resultatene kommer fra forskerne bak systemet. Nettopp de frigitte dataene gir nå andre forskergrupper mulighet til å forsøke å gjenskape resultatene, finne begrensninger og teste nye anvendelser.

Åpne data er også en invitasjon til motforestillinger

Det mest interessante fremskrittet ligger kanskje ikke i én enkelt resultatskår. Historiske og løpende data er tilgjengelige under en åpen lisens. Dermed kan forskere undersøke om datasettene er nyttige innen områder som vannforvaltning, landbruk, solenergi, tørke eller naturbranner.

I områder med få bakkebaserte radarer kan et globalt datasett gi flere forskningsmuligheter. Men ti kilometer er fortsatt ti kilometer. En lokal sky kan med bemerkelsesverdig selvtillit overse grensene til en slik rute.

Dokumentasjonen beskriver SatWeave og PARDIG som eksperimentelle forskningsdata. De er ikke offisielle observasjoner, værprognoser eller farevarsler. Ved farlig vær er det fortsatt de nasjonale værtjenestene og lokale myndigheter man skal forholde seg til. En åpen datafil får altså nøkkelen til laboratoriet, men ikke automatisk til alarmsentralen.

Det gjør ikke frigivelsen mindre verdifull. Tvert imot. Vitenskapen blir sterkere når andre ikke bare får se en graf, men også kan arbeide med dataene som ligger bak.

Jordkloden min kan derfor få lyse videre. Paraplyen får bestemme senere.