Cum a transformat inteligența artificială prognozele meteo și ce fenomene poate detecta rapid. Întrebările care rămân
În ultimii doi ani, multe companii au lansat sisteme de inteligență artificială care analizează cantități uriașe de date meteo pentru a realiza prognoze mult mai detaliate decât s-au făcut vreodată. Apar modele AI capabile să prezică din timp cicloni, furtuni locale sau ploi „de cartier”. Domeniul este în plină transformare și se fac multe experimente, dar rămân câteva întrebări fără răspuns.
Un „val” de noi modele promițătoare cu AI
La început de august, Google anunța că un model de AI al companiei a fost folosit cu succes pentru a prezice apariția și traiectoria unor cicloni, iar predicțiile au fost de mare acuratețe, fiind făcute cu aproape șapte zile înainte ca doi cicloni să se fi format.
În primăvară, a fost lansat un model de AI denumit Aardvark Weather, care, susțineau dezvoltatorii, utilizează de mii de ori mai puțină putere de calcul și este mult mai rapid decât sistemele actuale convenționale. Despre modelul dezvoltat în special la Cambridge scrie The Guardian.
În prezent, prognozele meteo sunt generate printr-un set complex de etape, fiecare necesitând mai multe ore pentru a fi rulate pe supercomputere specializate și este nevoie de echipe numeroase de experți pentru dezvoltare, întreținere și implementare.
Aardvark Weather promitea un model pentru înlocuirea întregului proces prin antrenarea unui AI cu date brute provenite de la stații meteo, sateliți, baloane meteorologice, senzori și avioane din întreaga lume, permițând astfel realizarea de prognoze rapide și precise.
Europenii nu stau degeaba
Cercetări extinse în zona AI se fac și la Centrul European pentru Prognoze Meteo pe Termen Mediu (ECMWF), instituția lansând în acest an și primul său model de prognoză bazat pe AI. Centrul spune că acest nou model operațional a îmbunătățit acuratețea prognozelor cu aproximativ 20% la indicatori cheie precum traiectoria ciclonilor tropicali.
Florence Rabier, director general al ECMWF, este convinsă că noile tehnologii de AI vor aduce îmbunătățiri uriașe în precizia prognozelor meteo în ultimele decenii, pe măsură ce calculatoarele au devenit tot mai puternice, iar datele meteorologice sunt tot mai numeroase.
Într-o analiză despre rolul AI în meteorologie, publicată pe site-ul Yale School of the Environment, se explică faptul că prognozele meteo bazate pe inteligență artificială sunt, de obicei, mai exacte și necesită mai puțină energie de calcul și mai puține ore de muncă din partea oamenilor, în comparație cu predicțiile convenționale. Rămân însă întrebări legate de fiabilitatea sistemelor de AI și de capacitatea lor de a anticipa fenomene meteo extreme.
Nu este mereu clar cum iau soft-urile de inteligență artificială deciziile, așa că rezultatele pot să nu fie total de încredere. Asta va reprezenta o mare problemă, fiindcă schimbările climatice și fenomenele extreme tot mai dese „împing” prognozele în zone până acum neexplorate, iar inteligența artificială ar putea eșua.
În analiză este citat un meteorolog care explică faptul că, indiferent cât de bune vor deveni modelele AI., prognoza meteo nu va fi niciodată perfectă, pentru că tot ce ține de vreme constituie un sistem haotic. AI-ul va fi o „unealtă”, dar nu va înlocui pe termen scurt modelele fizice și, mai ales, nu va înlocui experiența umană. fiindcă avem nevoie de oameni care să transforme datele în sfaturi meteo utile.
Tehnologiile bazate pe AI extind „orizontul” temporal al prognozelor, după ce deja au transformat „nowcasting-ul” (prognozele extrem de precise pentru următoarele ore), este de părere Richard Turner, profesor de machine learning la Cambridge University.
„Prognozele pe termen mediu – cele între 3 și 15 zile – au început să se transforme. Iar acum ne extindem spre prognozele sub-sezoniere, adică cele de la două săptămâni până la două luni”, spune într-o analiză din Financial Times profesorul care lucrează la modele AI pentru vreme la Alan Turing Institute. Turner a avut un rol esențial în dezvoltarea Aardvark Weather.
La final de martie, Google anunța un model de „nowcasting” denumit MetNet. Este disponibil pentru început în Africa și va încerca să facă previziuni cât mai exacte pentru precipitații care cad pe termen scurt, pornind de la date din satelit. Google spunea că MetNet poate prezice precipitațiile la nivel global cu o precizie ridicată, pe o rază de 5 km, la fiecare 15 minute, pentru următoarele 12 ore.
Africa nu are, spre deosebire de SUA sau de Europa de Vest, un sistem dens de stații meteo și de radare la sol, ceea ce este o problemă, fiindcă nu există șiruri de date istorice pe decenii, cum este cazul în Europa sau SUA.
Folosind inteligența artificială și datele satelitare, modelul a reușit să compenseze lipsurile din zonele fără acoperire radar, depășind limitările anterioare din regiunile cu date insuficiente, spun cei de la Google.
Minute în loc de ore, pentru rezultate din ce în ce mai bune
Prognozele meteo au câștigat, în medie, în acuratețe la nivel mondial cam o zi pe deceniu. Asta înseamnă că o prognoză pe cinci zile în prezent este la fel de exactă ca una pe trei zile în anul 2000.
Modelele AI, mai ales cele bazate pe învățare profundă (deep learning), sunt capabile să analizeze cantități uriașe de date meteo mult mai rapid decât metodele tradiționale. Ele pot detecta subtilități în datele istorice, îmbunătățind prognoza pentru fenomene severe, cum ar fi furtunile sau ploile severe.
Mai multe modele AI care anticipează evoluții atmosferice au apărut în ultimii doi ani, cele mai cunoscute fiind GraphCast, GenCast, FourCastNet, Pangu, FuXi și AIFS.
Avantajele acestor noi tehnologii sunt impresionante. Acolo unde era nevoie de două până la trei ore pentru o simulare pe un supercomputer dedicat, este nevoie de doar numai un minut pe un computer cu o singură placă grafică pentru a obține un rezultat foarte apropiat.
Modelele AI sunt mult mai bune la prognozele pe termen lung, mai ales când vorbim despre mai mult de cinci zile.
Inteligența Artificială este folosită tot mai des pentru a prezice evenimente extreme, cum ar fi tornadele, valurile de căldură sau inundațiile, cu mai multă precizie și anticipație. Autoritățile pot interveni mai rapid și în zone localizate, pentru zone restrânse.
Algoritmii AI pot analiza condițiile meteo la nivel de cartier sau chiar pentru anumite trasee de drum și se fac teste în mai multe locuri ale lumii. AI-ul combină date provenite de la sateliți, radare, stații meteo și senzori – pentru a oferi o imagine completă a vremii ce va veni.
Care este marea miză
Marea miză ține de așa-numite prognoze hiper-locale, cele care încearcă să estimeze fenomene meteo extreme nu doar la nivel de cartier, ci chiar de stradă. Într-o analiză despre avansul prognozelor meteo bazate pe AI, Bloomberg dă exemple din Asia (Hong Kong și Taiwan). Totul pornește de la faptul că ploi torențiale record apărute în Hong Kong în ultimii doi ani au făcut pagube mari, iar miza este de a încerca o prognoză localizată pentru astfel de evenimente.
Cercetători din Hong Kong au colaborat cu o companie de asigurări pentru a dezvolta prognoze care pot alerta din timp clienții și deținătorii de polițe, cu privire la inundații ce pot apărea în scurt timp. De exemplu, un proprietar de mașină ar putea primi un mesaj text ca să își mute vehiculul dintr-un garaj care urmează să fie inundat.
Inundațiile sunt deosebit de greu de prognozat și de inclus în modelele climatice, din cauză că sunt provocate de sisteme meteo localizate, iar impactul lor depinde de mulți factori umani. Pe măsură ce ploile extreme devin și mai frecvente, inundațiile sunt tot mai des incluse în polițele de asigurare.
În Taiwan, autoritățile derulează un proiect cu gigantul Nvidia, pentru a dezvolta un model meteo AI antrenat pe date globale brute, model care folosește tehnici de învățare automată, pentru a îmbunătăți „rezoluția” datelor. Administrația meteo din Taiwan testează modelul pentru o posibilă utilizare operațională.
Mici scene de filme SF sunt posibile datorită avansului AI
Cercetătorii și companiile care lucrează la dezvoltarea prognozelor ultra-localizate caută să folosească o serie de surse diferite de datele tradiționale provenite de la sateliți și radare. O sursă generoasă ar ține de miliardele de dispozitive conectate la internet care colectează date, de la senzorii de presiune barometrică integrați în telefoanele mobile, până la fluxurile video de la camerele de supraveghere
Chiar și tehnologia LIDAR, care poate măsura viteza vântului prin reflectarea laserelor pe particulele din aer, permite colectarea de informații cu ajutorul unei cutiuțe amplasată la sol care ar putea ține măcar parțial locul unei stații meteo.
În SUA, companiile private devin tot mai puternice pentru prognozele ultra-locale, iar asta se întâmplă fiindcă multe companii au tot mai mare nevoie de prognoze personalizate la nivel micro. Un domeniu în care aceste prognoze sunt super-utile este cel al livrărilor făcute cu drona, unde este important să se știe dacă apare vreun fenomen periculos. Prognozele detaliate privind viteza și direcția vântului sunt tot mai necesare și în Europa, în zonele unde sunt multe eoliene.
Alte două exemple ne arată la ce ne-am putea aștepta. Microsoft utilizează tehnologiile de „machine learning” pentru a rafina prognozele meteo pe care le integrează apoi în produsele sale de cloud computing destinate companiilor din agricultură. O companie numită Tomorrow.io furnizează prognoze „hiperlocale” companiilor aeriene, ajutând la organizarea operațiunilor din aeroporturi.
Algoritmii, modelele și inteligența artificială
De câteva decenii, meteorologii au alcătuit prognozele folosind ecuații care descriu atmosfera, cum ar fi relația dintre presiunea aerului și vântul predominant de la o regiune la alta sau cât de repede se schimbă temperaturile pe măsură ce fronturile atmosferice reci se deplasează.
Meteorologii îmbogățesc aceste ecuații cu măsurători atmosferice și oceanice făcute din oră în oră de stațiile meteo, de baloanele de mare altitudine și de sateliți. Datele sunt introduse în supercomputere care produc „predicții numerice”. Un supercomputer cumpărat de la Microsoft de către agenția Met Office din UK a costat peste un miliard de dolari.
Problema este că – dacă apar chiar și mici erori în măsurătorile meteo sau în calcule – acestea pot duce la erori mai mari de prognoză și se adaugă un aspect aici: costă mult timpul de computing pentru a rula simulări foarte complexe ale vremii terestre.
Partea bună cu algoritmii AI ține de faptul că ei caută modele (patterns) în datele meteorologice, în loc să rezolve ecuații. Algoritmii de căutare a modelelor sunt „antrenați” pe zeci de ani de șiruri de date meteorologice, pentru a prezice ce se va întâmpla afară în zilele următoare.
Inteligența artificială nu va înlocui meteorologii, ci le va oferi instrumente care pot salva mai multe vieți. Cursa pentru „prognoza perfectă” este abia la început, iar AI-ul devine tot mai important, se mai explică în analiza de la Yale School of the Environment, citată mai sus.
Sursa foto: Dreamstime.com