Cum a reinventat inteligența artificială prognozele meteo și ce fenomene poate identifica rapid. Întrebări rămase fără răspuns.
În ultimii doi ani, numeroase companii au lansat soluții AI capabile să proceseze volume uriașe de date meteorologice, pentru a genera previziuni mai detaliate ca niciodată. Sunt modele care pot anticipa, din timp, cicloni, furtuni locale sau ploi intense la nivel de cartier. Domeniul trece printr-o schimbare accelerată, cu multe experimente, dar rămân încă întrebări esențiale.
Un val de modele AI promițătoare
La începutul lunii august, Google a anunțat că un model AI al companiei a fost folosit cu succes pentru a prevedea apariția și traiectoria unor cicloni, iar predicțiile au avut o acuratețe înaltă, la aproximativ șapte zile înainte de formarea celor doi cicloni.
În primăvară a fost prezentat un model AI denumit Aardvark Weather, despre care dezvoltatorii susțin că rulează cu mii de ori mai puțină putere de calcul și operează mult mai rapid decât soluțiile existente. Informații despre acest proiect, finalizat în mare parte la Cambridge, au apărut în presa de profil.
În prezent, realizarea prognozelor meteorologice implică un lanț complex de etape, fiecare necesitând ore pe supercomputere specializate, iar implementarea cere echipe numeroase de experți pentru dezvoltare, întreținere și operațiuni.
Aardvark Weather promitea să înlocuiască întregul flux prin antrenarea AI-ului cu date brute provenite de la stații meteo, sateliți, baloane meteorologice, senzori și aeronave din întreaga lume, făcând posibile previziuni rapide și precise.
Europa nu rămâne pe loc
Cercetări ample în zona AI pentru meteorologie au loc la Centrul European pentru Prognoze Meteo pe Termen Mediu (ECMWF). În acest an, instituția a lansat primul său model de predicție bazat pe inteligență artificială, iar autoritățile susțin că noul sistem a crescut acuratețea estimărilor cu aproximativ 20% la indicatori cheie, cum ar fi traiectoria ciclonilor tropicali.
Florence Rabier, directorul general al ECMWF, este convinsă că noile tehnologii de AI vor aduce îmbunătiri semnificative în precizia prognozelor, pe măsură ce puterea calculatoarelor crește și volumul datelor meteorologice se mărește.
O analiză despre rolul AI în meteorologie arată că prognozele bazate pe inteligență artificială sunt, în general, mai exacte, solicită mai puțină energie de calcul și necesită mai puține ore de muncă umană comparativ cu metodele tradiționale. Însă rămân întrebări despre fiabilitatea sistemelor AI și capacitatea lor de a anticipa fenomene meteorologice extreme.
Nu este întotdeauna clar cum iau deciziile software-urile AI, ceea ce poate afecta încrederea în rezultate. În contextul schimbărilor climatice și al frecvenței crescute a fenomenelor extreme, această incertitudine poate transforma AI-ul într-o provocare dacă nu este însoțit de expertiză umană.
Un meteorolog explică în analiză faptul că, oricât de bune vor deveni modelele AI, prognoza vremii nu va fi niciodată perfectă, deoarece vremea ține de un sistem haotic. AI-ul rămâne o unealtă de sprijin și nu va înlocui, pe termen scurt, modelele fizice sau experiența umană necesară pentru a transforma datele în sfaturi utile.
Tehnologiile AI extind „orizontul” temporal al prognozelor, după ce au transformat deja nowcasting-ul (previziunile extrem de precise pentru următoarele ore), afirmă Richard Turner, profesor de machine learning la Cambridge.
„Prognozele pe termen mediu — între 3 și 15 zile — au început să se transforme. Iar acum ne îndreptăm spre prognoze sub-sezoniere, adică cele de la două săptămâni până la două luni”, spune un profesor de la Cambridge care lucrează la modele AI pentru vreme, cu contribuții la proiectul Aardvark Weather.
La sfârșitul lunii martie, Google a anunțat un model de „nowcasting” numit MetNet. Inițial disponibil în Africa, acesta își propune să ofere previziuni cât mai exacte pentru precipitații pe termen scurt, utilizând date din satelit. Potrivit companiei, MetNet poate estima ploi la scară globală cu o acuratețe ridicată, la rezoluția de 5 km, la intervale de 15 minute, pentru următoarele 12 ore.
Africa nu dispune, spre deosebire de SUA sau Europa de Vest, de o rețea densă de stații meteo și de radare la sol, ceea ce reprezintă o provocare, deoarece nu există suficiente date istorice pe decenii.
Folosind IA și datele satelitare, modelul a reușit să compenseze lipsurile din zonele fără acoperire radar, depășind limitările anterioare din regiunile cu date insuficiente.
Minute în loc de ore, pentru rezultate din ce în ce mai bune
Prognozele meteorologice au câștigat în acuratețe, în medie, aproximativ o zi la fiecare zece ani la nivel global. Astfel, o prognoză de cinci zile din prezent poate avea aceeași precizie ca una de trei zile din anul 2000.
Modelele AI, în special cele bazate pe învățare profundă, pot analiza cantități uriașe de date meteorologice mult mai rapid decât metodele tradiționale. Ele pot identifica subtilități în datele istorice, îmbunătățind prognozele pentru fenomene severe precum furtunile sau ploile torențiale.
Tot mai multe modele AI care anticipează evoluțiile atmosferei au apărut în ultimii doi ani, printre cele mai cunoscute numărându-se GraphCast, GenCast, FourCastNet, Pangu, FuXi și AIFS.
Avantajele acestor tehnologii sunt remarcabile: dacă înainte o simulare dura 2–3 ore pe un supercomputer dedicat, acum poate dura doar un minut pe un PC cu un singur GPU, iar rezultatul este foarte apropiat.
Modelele AI excelează la prognozele pe termen lung, în special pentru intervale de peste cinci zile.
Inteligența artificială este utilizată tot mai des pentru a prezice fenomene extreme, cum ar fi tornadele, valurile de căldură sau inundațiile, cu un grad mai ridicat de precizie și anticipație. Autoritățile pot interveni mai rapid în zone restrânse.
Algoritmii AI pot analiza condițiile meteo la nivel de cartier sau chiar pentru anumite trasee de drum și sunt testați în mai multe locații ale lumii. AI-ul combină date de la sateliți, radar, stații meteo și senzori pentru a oferi o imagine completă a vremii ce urmează.
Care este marea miză
Miza reală se concentrează pe așa-numitele prognoze hiper-locale, care încearcă să anticipeze fenomene extreme nu doar la nivel de cartier, ci chiar la nivel de stradă. O analiză despre avansul prognozelor AI citează exemple din Asia, inclusiv Hong Kong și Taiwan, unde ploi torențiale anumite perioade au provocat daune semnificative și obiectivul este să ofere predicții foarte locale pentru astfel de evenimente.
Cercetători din Hong Kong au colaborat cu o companie de asigurări pentru a dezvolta prognoze care pot alerta în timp util clienții despre inundații iminente. De exemplu, un proprietar de mașină ar putea primi un mesaj SMS pentru a-și muta vehiculul dintr-un garaj care riscă să fie inundat.
Inundațiile pot fi extrem de greu de anticipat și de integrat în modelele climatice, deoarece sunt generate de sisteme meteo locale, iar impactul depinde de mulți factori umani. Pe măsură ce ploile extreme devin mai frecvente, inundațiile apar tot mai des în polițele de asigurare.
În Taiwan, autoritățile lucrează cu Nvidia pentru a dezvolta un model meteo AI antrenat cu date globale brute, folosind tehnici de învățare automată pentru a îmbunătăți „rezoluția” datelor. Administrația meteo din Taiwan testează acest model pentru eventuale utilizări operaționale.
Mici scene de filme SF sunt posibile datorită avansului AI
Cercetătorii și companiile implicate în dezvoltarea prognozelor ultra-localizate caută să folosească o serie de surse de date diferite de cele tradiționale, provenite de la sateliți și radare. O contribuție majoră poate veni de la miliardele de dispozitive conectate la Internet care colectează date, de la senzorii de presiune barometrică integrați în telefoane la fluxurile video ale camerelor de supraveghere.
Chiar și tehnologia LIDAR, care poate măsura viteza vântului prin reflectarea laserelor pe particulele din aer, poate furniza informații printr-un dispozitiv plasat la sol, capabil să înlocuiască parțial o stație meteo.
În SUA, companiile private câștigă teren în domeniul prognozelor ultra-localizate, deoarece cererea pentru previziuni micro crește. În domeniul livrărilor cu drone, de exemplu, este nevoie de predicții precise despre vânt și vreme. De asemenea, în Europa cererea pentru detalii despre vânt crește, în regiunile cu producție eoliană mare.
Alte exemple ilustrează ce surprize ne așteaptă. Microsoft utilizează ML pentru a rafina prognozele meteo integrate în soluțiile sale de cloud destinate agriculturii, iar Tomorrow.io oferă previziuni hiper-locale companiilor aeriene, sprijinind organizarea operațiunilor din aeroporturi.
Algoritmii, modelele și inteligența artificială
De zeci de ani, meteorologii formulează prognoze folosind ecuații care descriu cum se leagă presiunea aerului de traficul de vânt, sau cât de repede se schimbă temperaturile pe măsură ce fronturile reci se apropie.
Măsurătorile atmosferice și oceanice, înregistrate oră de oră de stațiile meteo, baloane ori sateliți, sunt introduse în supercomputere pentru a genera predicții numerice. Un sistem de calcul de ultimă generație folosit de agenții naționale a costat peste un miliard de dolari.
Problema este că erorile minore în date sau în calcule pot amplifica erorile de prognoză, iar rularea simulărilor complexe cere resurse mari de calcul.
Punctul pozitiv al AI constă în capacitatea de a identifica modele (patterns) în datele meteorologice, în loc să rezolve ecuații. Modelele de învățare sunt antrenate pe zeci de ani de serii de date pentru a anticipa ce se va întâmpla în zilele următoare.
Inteligența artificială nu îi va înlocui pe meteorologi, ci le va oferi instrumente utile pentru a salva mai multe vieți. Cursa pentru o prognoză aproape perfectă abia a început, iar AI-ul devine din ce în ce mai important.
Sursa foto: Dreamstime
