Trí tuệ nhân tạo đã đánh bại các phương pháp dự báo thời tiết thông thường

Các nhà phát triển tại Google DeepMind cho biết trong một bài báo được đăng trên tạp chí Science vào thứ Ba vừa rồi rằng mô hình AI GraphCast “đánh dấu một bước ngoặt trong dự báo thời tiết”.

Dự báo về tốc độ gió bề mặt được lấy từ mô hình GraphCast AI. Ảnh: Graphcast

Một đánh giá sâu rộng cho thấy GraphCast chính xác hơn hệ thống dự báo hàng đầu thế giới do Trung tâm Dự báo Thời tiết Tầm trung châu Âu điều hành (ECMWF).

Nó vượt trội hơn sản phẩm ECMWF ở 90% trong số 1.380 số liệu được sử dụng, bao gồm nhiệt độ, áp suất, tốc độ và hướng gió cũng như độ ẩm ở các cấp độ khác nhau của khí quyển.

Matthew Chantry, điều phối viên học máy tại ECMWF, cho biết hệ thống AI trong khí tượng học đã phát triển “sớm hơn và ấn tượng hơn nhiều so với những gì chúng tôi mong đợi...”.

ECMWF, một cơ quan liên chính phủ có trụ sở tại Reading ở Anh, đã chạy dự báo trực tiếp bằng các mô hình AI của Huawei và Nvidia cũng như DeepMind cùng với hệ thống dự báo tích hợp của riêng mình.

Chantry tán thành tuyên bố của DeepMind rằng hệ thống của họ là chính xác nhất. Ông nói với Financial Times: “Chúng tôi nhận thấy GraphCast luôn có kỹ năng tốt hơn các mô hình học máy khác, Pangu-Weather của Huawei và FourCastNet của Nvidia, và xét trên nhiều điểm, nó chính xác hơn hệ thống dự báo của chúng tôi”.

GraphCast sử dụng kiến trúc máy học được gọi là mạng thần kinh đồ thị, học từ dữ liệu ECMWF hơn 40 năm trước về cách các hệ thống thời tiết phát triển và di chuyển trên toàn cầu.

Đầu vào cho các dự báo của nó là các trạng thái của bầu khí quyển trên toàn thế giới tại thời điểm hiện tại và 6 giờ trước đó, do ECMWF tập hợp từ các quan sát thời tiết toàn cầu. GraphCast tạo dự báo 10 ngày trong vòng một phút trên một máy tính điện toán đám mây.

Chantry cho biết: “Sau khi được đào tạo, chi phí vận hành của GraphCast cực kỳ rẻ... mức tiêu thụ năng lượng rẻ hơn khoảng 1.000 lần. Đó là một sự cải thiện kỳ diệu”.

Tuy nhiên, AI hoạt động không tốt hơn các mô hình vật lý thông thường trong việc dự đoán cường độ bùng nổ đột ngột của cơn bão Otis ngoài khơi bờ biển Thái Bình Dương của Mexico, tàn phá Acapulco với rất ít cảnh báo vào ngày 25 tháng 10.

Chantry cho biết, bước tiếp theo của ECMWF là xây dựng mô hình AI của riêng mình và xem xét việc kết hợp mô hình đó với hệ thống dự báo thời tiết của mình.

Mai Anh (theo FT)