În ultimii doi ani, numeroase companii au dezvoltat sisteme de inteligență artificială ce analizează cantități enorme de date meteorologice pentru a genera prognoze mult mai precise decât oricând. Apărut modele AI capabile să prezică cicloni, furtuni locale și averse cu o precizie sporită. Domeniul este în continua evoluție, cu numeroase experimente, dar rămân necunoscute anumite aspecte.
Un val de noi modele AI promițătoare
La începutul lunii august, Google a anunțat succesul unui model AI în predicția ciclonilor, anticipând formarea și traiectoria acestora cu aproape șapte zile înainte. Predicțiile au fost remarcabil de precise.
În primăvară, a fost lansat modelul Aardvark Weather, care, conform dezvoltatorilor, utilizează mult mai puțină putere de calcul și este semnificativ mai rapid decât metodele clasice. Publicația The Guardian a abordat dezvoltarea acestui model, realizat în Cambridge.
În prezent, prognozele meteorologice se bazează pe un set complex de etape care necesită ore întregi de calcul pe supercomputere și o echipă numeroasă de experți pentru dezvoltare, întreținere și implementare.
Aardvark Weather promite o abordare simplificată prin antrenarea unui AI cu date brute provenite de la diverse surse: stații meteorologice, sateliți, baloane meteorologice, senzori și avioane, permitând astfel prognoze rapide și precise.
Cercetări europene importante
Centrul European pentru Prognoze Meteo pe Termen Mediu (ECMWF) a lansat în acest an primul său model de prognoză bazat pe AI, demonstrând o îmbunătățire de aproximativ 20% în acuratețea prognozelor pentru cicloni tropicali.
Florence Rabier, directorul general al ECMWF, este convinsă că noile tehnologii AI vor revoluționa precizia prognozelor meteorologice în următoarele decenii, profitând de puterea de calcul crescută și de datele meteorologice din ce în ce mai bogate.
O analiză din Yale School of the Environment evidențiază că prognozele meteorologice bazate pe Inteligență Artificială sunt adesea mai precise și necesită mai puțină energie de calcul și timp de muncă comparativ cu metodele tradiționale. Se ridică, însă, probleme legate de fiabilitatea sistemului AI și capacitatea acestuia de a anticipa fenomenele meteorologice extreme.
Uneori, este dificil de înțeles modul în care sistemele AI iau decizii, ceea ce poate afecta încrederea în rezultatele obținute. Fenomenele meteorologice extreme amplificate de schimbările climatice pot depăși capacitatea actuală a inteligenței artificiale în predicție.
Experții subliniază faptul că, oricât de performante devin modelele AI, prognoza meteorologică nu poate fi perfectă din cauza complexității și haosului sistemului atmosferic. AI reprezintă un instrument util, dar nu va înlocui pe termen scurt metodele fizice tradiționale și, mai ales, experiența umană. Este nevoie de oameni pentru a transforma datele complexe în sfaturi practice pentru public.
Tehnologiile AI extind orizontul temporal al prognozelor, după ce deja au transformat „nowcasting-ul” (prognozele foarte precise pentru următoarele ore), conform profesorului Richard Turner de la Cambridge University, implicat în dezvoltarea modelului Aardvark Weather. Prognozele pe termen mediu (3-15 zile) și sub-sezoniere (2 săptămâni – 2 luni) devin din ce în ce mai precise cu ajutorul AI.
La finalul lunii martie, Google a anunțat modelul MetNet pentru „nowcasting” (precizarea precipitațiilor pe termen scurt), disponibil inițial în Africa. MetNet utilizează date satelitare pentru predicții locale cu o acuratețe ridicată, prognozând precipitațiile la nivel global cu precizie pe o rază de 5 km, la fiecare 15 minute, pentru următoarele 12 ore.
Africa, spre deosebire de SUA și Europa de Vest, prezintă o densitate mai redusă de stații meteorologice și radare, ceea ce limitează cantitatea de date istorice disponibile. MetNet utilizează inteligența artificială și datele satelitare pentru a compensa lipsurile și a depăși limitările anterioare din zonele cu date insuficiente.
Minute în loc de ore, pentru rezultate din ce în ce mai bune
Precizia prognozelor meteorologice a crescut constant, prognozele pe 5 zile fiind acum comparabile cu cele pe 3 zile din anul 2000. Modelele AI, bazate pe învățare profundă, analizează volumul uriaș de date meteorologice mult mai rapid, identificând subtilități în datele istorice, ceea ce îmbunătățește acuratețea prognozelor pentru fenomene meteorologice severe.
Numeroase modele AI care anticipează evoluțiile atmosferice au apărut în ultimii doi ani, printre cele mai cunoscute numărându-se GraphCast, GenCast, FourCastNet, Pangu, FuXi și AIFS.
Aceste noi tehnologii oferă o îmbunătățire dramatică a vitezei, rezolvând o simulare în doar un minut pe un computer simplu, comparativ cu orele necesare pentru supercomputere.
Modelele AI sunt mult mai performante în prognozele pe termen lung, depășind prognozele pe termen scurt.
IA este utilizată tot mai frecvent pentru a prezice evenimente extreme, cum ar fi tornade, valuri de căldură sau inundații, cu o acuratețe și anticipări sporite. Autoritățile pot interveni mai rapid pentru a gestiona aceste situații.
Algoritmii AI pot analiza condițiile meteorologice la nivel local, oferind informatii cu o rezoluție superioară pentru diverse aplicații.
Care este marearea miză
Prognozele „hiper-locale”, care estimează evenimente meteorologice extreme la scară foarte mică, sunt un domeniu de interes deosebit și au un impact economic important. Cercetările din Hong Kong și Taiwan ilustrează potențialul acestor tehnologii.
Prin colaborare cu o companie de asigurări, cercetătorii din Hong Kong au dezvoltat prognoze ce pot alerta clienții despre inundații iminente, facilitând strategii de precauție eficiente. Prognozele cu nivel de detaliu ridicat vin în sprijinul industriei asigurare și cresc gradul de siguranță.
Inundațiile, fiind fenomene complexe și localizate, sunt mai greu de inclus în modelele climatice. Pe măsură ce evenimentele meteorologice severe devin tot mai frecvente, inundațiile sunt din ce în ce mai des integrate în polițele de asigurare.
În Taiwan, autoritățile colaborează cu Nvidia pentru dezvoltarea unui model AI antrenat pe date meteorologice globale brute, pentru a îmbunătăți rezoluția datelor predictive.
Viitorul prognozelor meteo, cu sprijinul IA
Cercetătorii caută noi surse de date, cum ar fi miliardele de dispozitive conectate la internet (senzori, camere de supraveghere, etc.), pentru a extinde prognozele la nivel micro. Tehnologii precum LIDAR pot furniza informații despre vânt.
În SUA, companiile private sunt investite în prognozele ultra-locale, pentru o multitudine de aplicații, de la livrări cu drone până la energie eoliană.
Microsoft utilizează algoritmi de „machine learning” pentru prognoze meteorologice integrate în produsele sale de cloud computing pentru agricultură, ilustrând diversitatea aplicațiilor. Prognozele „hiper-locale” furnizate de Tomorrow.io ajută companiile aeriene în operațiunile de la aeroporturi.
Algoritmi, modele şi Inteligenţă Artificială în prognozele meteorologice
De decenii, meteorologii folosesc ecuații pentru a descrie atmosfera, inclusiv relațiile dintre presiunea aerului și direcția vântului, precum și modificările de temperatură. Măsurătorile atmosferice și oceanice, realizate de stații, baloane și sateliți, sunt introduse în supercomputere pentru a obține „predicții numerice”.
Chiar dacă supercomputerele și măsurarea precisă permit prognoze la nivel local și regional, erorile din măsurători pot duce la erori în prognoze. Utilizarea IA se concentrează pe detectarea modelelor în datele meteorologice mari, antrenând algoritmi pe date de decenii, pentru a prezice evenimentele viitoare.
IA nu va înlocui meteorologii, ci va oferi instrumente ce vor salva mai multe vieți. Progresele prin IA în prognozele meteorologice sunt la început, iar aceste progrese au un impact crescând.