Они эффективнее синоптиков описывают разного рода процессы, где отсутствует однозначность и предсказуемость. Однако искусственный интеллект пока не способен выводить математические уравнения, моделирующие физические закономерности, и проверять эти модели на соответствие базовым законам физики. То есть нейронные сети могут работать с уже известными зависимостями и данными, но не открывать новые фундаментальные взаимосвязи. Это пока остается прерогативой человека.
Вильфанд также отметил, что существует несколько областей, в которых машинное обучение имеет явные преимущества. Это те задачи, где присутствует неопределенность, где законы либо неизвестны, либо ещё не сформулированы. К таким задачам относится, например, описание сложных подсеточных процессов. Здесь, по мнению ученого, нейросетевые методы показывают очень хорошие результаты.
«Дело в том, что нейросети не могут проводить исследования так же, как проводят настоящие метеорологи, математики, физики. Почему это происходит? Для атмосферы существуют фундаментальные законы: сохранения энергии, сохранения массы, сохранения импульса. Уравнения, которые разработали учёные, соответствуют этим законам. Нейросеть не может выписывать уравнения, дифференциальные уравнения частных производных второй степени», — заключает научный руководитель Гидрометцентра России.