Un nou sistem de prognoză meteo bazat pe inteligența artificială promite prognoze mai rapide și mai precise

În prezent, mulți oameni consultă aplicațiile meteo pentru a se informa despre vremea din vacanțe, pentru a afla dacă procesiunile pot avea loc, dacă recolta este în pericol, câtă energie vor genera morile de vânt și panourile solare sau dacă se poate naviga. Instrumentele actuale se bazează pe mii de date din sute de surse, procesate de supercomputere, un proces care durează ore sau chiar zile. Chiar și așa, prognozele pe termen lung au un grad ridicat de incertitudine. Un nou sistem, numit Aardvark Weather, dezvoltat pe baza inteligenței artificiale și a modelelor de învățare bazate pe date din ultimii optzeci de ani, «este de mii de ori mai rapid și mai precis decât toate metodele anterioare de prognoză meteo», conform lui Richard Turner, de la Departamentul de Inginerie al Universității Cambridge și autorul principal al cercetării publicate de Nature.

Turner este entuziasmat de rezultatele cercetării, dezvoltate de Universitatea Cambridge cu sprijinul Institutului Alan Turing, Microsoft Research și Centrul European pentru Prognoze Meteorologice pe Termen Mediu (ECMWF): «Aardvark reinventează metodele actuale de prognoză meteo, oferind posibilitatea de a face prognozele meteo mai rapide, mai ieftine, mai flexibile și mai precise ca niciodată, contribuind la transformarea prognozei meteo atât în țările dezvoltate, cât și în țările în curs de dezvoltare».

Sistemele numerice de prognoză meteo (NWP) datează din anii cincizeci și pot prezice acum o gamă largă de variabile cu o perioadă de până la 15 zile. Acestea se bazează pe procesarea, prin supercomputere, a modelelor atmosferei pe baza datelor înregistrate timp de zeci de ani, a dinamicii fluidelor și a post-procesării statistice a datelor de teledetecție, radar, radiosonde și aeronave. Utilizarea, dezvoltarea, întreținerea și implementarea acestor sisteme complexe necesită mult timp și echipe mari de experți.

Aardvark înlocuiește întregul proces prin tehnici de învățare automată de tip end-to-end, alimentate de inteligența artificială și, conform creatorilor săi, «reduce costurile de calcul, elimină părtinirea unor aspecte ale sistemelor NWP și permite crearea rapidă și precisă de prototipuri».

«Folosind doar 10% din datele de intrare ale sistemelor existente, Aardvark depășește deja Sistemul Global de Prognoză (GFS) și este competitiv cu alte servicii meteorologice care utilizează informații de la zeci de modele și analize ale prognozelor experților umani», afirmă cercetătorii.

Conform Annei Allen, de la Departamentul de Științe ale Calculatoarelor și Tehnologiei din Cambridge și co-autoare a lucrării, «aceste rezultate sunt doar începutul». În acest sens, ea adaugă: «Această abordare de învățare de la capăt la capăt poate fi aplicată cu ușurință la alte probleme de prognoză meteo, de exemplu, uragane, incendii forestiere și tornade. Dincolo de climă, aplicațiile sale se extind la prognoza mai largă a sistemului terestru, inclusiv calitatea aerului, dinamica oceanică și prognoza gheții marine».

O altă aplicație, dincolo de fenomenele globale și locale, este dezvoltarea de prognoze individualizate care, cu sistemele tradiționale, ar dura ani și ar costa o sumă enormă: «Flexibilitatea și designul său simplu, datorită faptului că învață direct din date, pot fi adaptate rapid pentru a produce prognoze personalizate pentru industrii sau locații specifice, fie pentru a prezice temperaturile pentru agricultura africană, fie viteza vântului pentru o companie de energie regenerabilă din Europa».

Pentru a apăra această virtute, Turner precizează: «În doar 18 luni, am reușit să construim ceva care este competitiv cu cele mai bune dintre aceste sisteme [convenționale], folosind doar o zecime din date pe un computer desktop».

Scott Hosking, colegul cercetătorului la Institutul Alan Turing, insistă că potențialul inteligenței artificiale «transformă luarea deciziilor pentru toată lumea, de la factorii de decizie politică și planificatorii de urgență până la industriile care depind de prognoze meteo precise».

Dar, ca toate modelele de inteligență artificială, rezultatele sale depind de datele cu care se alimentează pentru a-și dezvolta propunerile și soluțiile. În acest caz, memoria noului creier a fost ERA5 al Centrului European pentru Prognoze Meteorologice pe Termen Mediu (ECMWF), o combinație de date de la modelele de opt decenii cu observații coerente cu legile fizicii din întreaga lume. În acest sens, Matthew Chantry, director strategic de învățare automată la ECMWF, subliniază importanța cooperării științifice: «Suntem încântați să colaborăm la acest proiect care explorează următoarea generație de sisteme de prognoză meteo. O parte din misiunea noastră este de a dezvolta și de a oferi prognoze meteorologice operaționale de inteligență artificială, în timp ce împărtășim datele în mod deschis pentru a beneficia știința și comunitatea în general».

«Aardvark reprezintă nu numai o realizare importantă în prognoza meteo cu inteligență artificială, ci reflectă și puterea colaborării și a reunirii comunității de cercetare pentru a îmbunătăți și a aplica tehnologia inteligenței artificiale într-un mod semnificativ», adaugă Chris Bishop, de la Microsoft Research.

În ciuda noului sistem, despre care creatorii săi susțin că este mai rapid, mai precis și mai eficient decât modelele convenționale, prognoza meteo se confruntă în continuare cu incertitudinea generată de multiplicitatea factorilor implicați în procese foarte complexe. În acest sens, profesorul Facultății de Matematică a Universității din Sevilla, Emilio Carrizosa, care a participat la cercetări privind indicii climatici ai secetei, avertizează că, în cazuri precum DANA din Valencia, intră în joc fenomene rare, nestationare. «Nu avem o mostră suficientă pentru a putea prezice cu certitudine rezultatul. Vorbim despre fenomene pentru care nu avem date similare sau identice cu cele pe care dorim să le studiem, ci doar asemănătoare și acolo putem avea o părtinire pe care s-ar putea să nu o putem controla și care este determinantă în fenomen».

Dim Coumou, expert în climatologie la Universitatea din Amsterdam (Țările de Jos), este de acord: «Evenimentele extreme sunt, prin definiție, rare. Deci, nu ai întotdeauna multe observații. Acesta este un obstacol major dacă se dorește utilizarea metodelor de inteligență artificială».

În același mod, astrofizicianul argentinian Gustavo Romero consideră prognoza meteo ca unul dintre cele mai complexe procese: «Meteorologii pot face predicții probabilistice cu o fereastră de, cel mult, o săptămână. Dar a pretinde să o facă dincolo de atât este practic imposibil, deoarece mici perturbări în condițiile inițiale se propagă rapid și produc schimbări enorme în rezultate».

În ciuda dificultăților, giganți tehnologici precum Google sau IBM, în colaborare cu NASA, și alte instituții europene și de pe alte continente, în cadrul planului cincinal al Națiunilor Unite, lucrează în aceeași direcție cu Universitatea Oxford cu Aardvark: dezvoltarea de instrumente de inteligență artificială care facilitează o prognoză fiabilă pe termen mediu și lung și îmbunătățesc sistemele de alertă timpurie.

Google DeepMind, compania de inteligență artificială a gigantului tehnologic american, a prezentat în Science un model de prognoză meteo bazat pe învățare automată pentru a oferi predicții pe 10 zile «mai bune, mai rapide și mai accesibile decât abordările existente», conform studiului. Modelul, numit GraphCast, a depășit sistemele tradiționale în 90% din cazurile testate.

Sistemul care a servit ca referință pentru Google a fost, de asemenea, Centrul European pentru Prognoze Meteorologice pe Termen Mediu, care are la Bologna (Italia) un supercomputer cu aproximativ un milion de procesoare și o putere de 30 petaflops (30.000 de trilioane de calcule pe secundă). Acest centru, care utilizează inteligența artificială în Sistemul său Integrat de Previzuni (AIFS) și oferă prognoze pe termen lung ale evenimentelor climatice, a anticipat ploile torențiale din septembrie din centrul Europei.

GraphCast, la fel ca Aardvark, recurge la învățarea automată antrenată pe baza datelor istorice pentru a oferi o prognoză precisă de 10 zile în mai puțin de un minut. «Credem că aceasta marchează un punct de cotitură în prognoza meteo», afirmă autorii, conduși de Remi Lam, om de știință la DeepMind.

În această cursă se află și IBM, în colaborare cu NASA, cu o propunere, de asemenea, de învățare automată. «Modelele fundamentale de inteligență artificială care utilizează date geospațiale [meteorologice, de senzori și satelit] pot schimba regulile jocului, deoarece ne permit să înțelegem mai bine, să ne pregătim și să abordăm numeroasele fenomene legate de climă care afectează sănătatea planetei noastre într-un mod și cu o viteză fără precedent», explică Alessandro Curioni, vicepreședinte pentru Accelerated Discovery la IBM.