So sánh mô hình AI và con người trong dự báo lũ: Câu trả lời bất ngờ

Phép thử so sánh giữa con người và các mô hình học máy, trí tuệ nhân tạo AI

Một nghiên cứu mới trên Geophysical Research Letters — với sự tham gia của giảng viên Khoa Khí tượng Thủy văn và Hải dương học (Trường ĐH Khoa học Tự nhiên, ĐHQGHN) — lần đầu tiên đối chiếu trí tuệ nhân tạo với hệ thống dự báo lũ vận hành thực tế.

Khi cơn lũ đổ về, từng giờ đồng hồ là sinh mạng và tài sản của hàng triệu người. Trong kỷ nguyên mà trí tuệ nhân tạo (AI) được kỳ vọng sẽ thay thế con người ở nhiều lĩnh vực, một câu hỏi lớn được đặt ra: Liệu các mô hình học máy có thực sự dự báo lũ tốt hơn các chuyên gia thủy văn dày dạn kinh nghiệm? Lần đầu tiên, một nghiên cứu vừa công bố trên tạp chí Geophysical Research Letters của Hiệp hội Địa Vật lý Hoa Kỳ (AGU) đã trả lời câu hỏi này một cách rõ ràng — và bất ngờ.

Kết quả, mô hình học máy chưa vượt qua được chuyên gia, ngay cả với điều kiện đầu vào lý tưởng.

Mô hình học máy và AI không cảnh báo lũ chính xác bằng chuyên gia.

Một nhóm nghiên cứu đa quốc gia – trong đó có TS. Trần Ngọc Vĩnh (Đại học Michigan, cựu sinh viên K54 Khoa Khí tượng thủy văn và Hải dương học, Giải thưởng Quả cầu vàng KHCN Việt Nam 2025) và PGS.TS Nguyễn Tiền Giang (Khoa Khí tượng Thủy văn và Hải dương học, Trường Đại học Khoa học Tự nhiên, ĐHQGHN) – đã thực hiện một nghiên cứu đối sánh mang tính tiên phong. Nghiên cứu đối chiếu các mô hình học máy (machine learning) với hệ thống dự báo lũ vận hành thực tế tại Trung tâm Dự báo Sông California Nevada (CNRFC), Hoa Kỳ, nơi các chuyên gia thủy văn thực hiện hiệu chỉnh kết quả hàng ngày.

Đáng chú ý, để tạo lợi thế tối đa cho AI, nhóm nghiên cứu đã "ưu ái" các mô hình học máy bằng cách cho chúng sử dụng dữ liệu khí tượng quan trắc thực tế — tức là số liệu đã biết chính xác — trong khi hệ thống CNRFC vẫn phải vận hành dựa trên dự báo khí tượng vốn có sai số cao. Vậy mà, qua 10 năm dữ liệu (2012–2022) trên 50 trạm đo, các chuyên gia thủy văn vẫn đưa ra những dự báo vượt trội.

Tại hạn dự báo 48 giờ — khoảng thời gian then chốt cho ra quyết định sơ tán và ứng phó — hệ thống có chuyên gia (CHPS) cho dự báo dòng chảy chính xác hơn mô hình học máy MLDI tại 90% các trạm. Khi xét đến hạn dự báo dài hơn (96 giờ), 38 trạm CHPS vẫn duy trì độ chính xác cao (NSE 0.5), trong khi mô hình học máy chỉ còn giữ được ở 4 trạm.

Bí mật nằm ở kinh nghiệm, không phải dữ liệu

Phát hiện gây ngạc nhiên nhất của nghiên cứu là gì? Đó là ngay cả khi dự báo mưa của CNRFC có sai số lớn (NSE 0.5 tại nhiều lưu vực), kết quả dự báo lũ cuối cùng vẫn đáng tin cậy. Điều này đi ngược với "lẽ thường" — vốn cho rằng dự báo mưa kém ắt dẫn đến dự báo lũ kém.

Theo PGS.TS Nguyễn Tiền Giang, câu trả lời nằm ở các chuyên gia thủy văn. Họ liên tục thực hiện những hiệu chỉnh thủ công không thể thay thế: từ điều chỉnh dữ liệu mưa đầu vào, hiệu chỉnh dòng chảy mô phỏng để khớp với quan trắc, đến tinh chỉnh các tham số trong mô hình. Đó là sự kết hợp giữa kiến thức đa ngành (khí tượng, thủy văn, thủy lực, địa mạo) và hiểu biết sâu sắc về từng lưu vực — thứ mà các thuật toán học máy hiện tại, dù mạnh mẽ đến đâu, vẫn chưa thể tái tạo.

Nghiên cứu này thách thức trực tiếp một xu hướng đang phổ biến: tự động hóa hoàn toàn dự báo lũ bằng AI. Nhóm tác giả chỉ ra rằng phần lớn các nghiên cứu trước đây chỉ so sánh học máy với mô phỏng hồi tố giản lược, không phải với hệ thống vận hành thực tế — tạo ra ấn tượng sai về năng lực thực sự của AI trong điều kiện thực địa.

Các tác giả còn phát hiện thêm: ngay cả Mô hình Nước Quốc gia của NOAA (NWM v3.0) — hệ thống tự động hiện đại nhất ở quy mô châu lục — khi sử dụng số liệu quan trắc lý tưởng vẫn cho kết quả thua xa CHPS chạy với dự báo mưa thực tế. Một kết luận hiếm thấy: dự báo vận hành (với đầu vào không hoàn hảo) lại chính xác hơn mô phỏng hồi tố (với đầu vào lý tưởng).

Đây là lời kêu gọi hành động cho cộng đồng khoa học thủy văn quốc tế: cần một chuẩn đánh giá mới — kiểm chứng các mô hình AI/ML với hệ thống vận hành thực tế của các Trung tâm Dự báo, không chỉ với dữ liệu hồi tố.

Hướng đi cho dự báo lũ ở Việt Nam

Nghiên cứu không phủ nhận giá trị của trí tuệ nhân tạo. Trái lại, các tác giả khẳng định AI/ML có những ưu điểm rõ rệt tại một số trạm và một số hạn dự báo cụ thể: tốc độ tính toán nhanh, chi phí vận hành thấp, khả năng khám phá các quan hệ phi tuyến phức tạp. Vấn đề là không thể giao phó hoàn toàn việc bảo vệ cộng đồng cho các hệ thống tự động.

Hướng đi mà nghiên cứu đề xuất là mô hình kết hợp (hybrid): sử dụng AI để xử lý các trạm và tình huống mà chúng đã chứng minh được độ tin cậy, qua đó giải phóng quỹ thời gian và năng lực của các chuyên gia thủy văn để tập trung vào những lưu vực phức tạp hoặc các sự kiện thiên tai nghiêm trọng.

Đối với Việt Nam — quốc gia chịu ảnh hưởng nặng nề bởi lũ lụt tại miền núi phía Bắc và ven biển miền Trung — kết luận này có ý nghĩa đặc biệt quan trọng. Trong bối cảnh nhiều đề xuất chuyển dịch sang dự báo tự động hoàn toàn bằng AI, vai trò của chuyên gia thủy văn dày dạn kinh nghiệm vẫn là nền tảng tri thức quan trọng chưa thể thay thế. Đầu tư cho con người — đào tạo thế hệ chuyên gia thủy văn kế cận ở trình độ cao — vẫn là khoản đầu tư an toàn và hiệu quả nhất cho công tác phòng chống thiên tai.

Sự tham gia của giảng viên Khoa Khí tượng Thủy văn và Hải dương học trong nghiên cứu quốc tế uy tín này khẳng định năng lực hội nhập và đóng góp của Khoa vào các vấn đề dự báo thủy văn toàn cầu — đồng thời mở ra hướng nghiên cứu kết hợp AI và chuyên gia phù hợp với điều kiện đặc thù của Việt Nam.