Dự báo thời tiết ngày nay dựa trên các mô hình phức tạp kết hợp các quy luật chi phối động lực học của khí quyển và đại dương, đồng thời các mô hình này chạy trên một số siêu máy tính mạnh nhất hiện có. Tuy nhiên, Alphabet (công ty mẹ của Google) đã dự đoán được điều kiện thời tiết toàn cầu trong 10 ngày tới chỉ trong một phút bằng cách sử dụng một chiếc máy có kích thước bằng một chiếc máy tính cá nhân nhờ trí tuệ nhân tạo do DeepMind phát triển. Các Google AI dự đoán thời tiết và điều này chỉ mới bắt đầu.
Trong bài viết này, chúng tôi sẽ cho bạn biết Google AI dự đoán thời tiết như thế nào và công nghệ này đã phát triển như thế nào.
Google AI dự đoán thời tiết
Điều đáng ngạc nhiên là hệ thống AI này vượt trội hơn hầu hết các hệ thống dự báo thời tiết hiện đại ở hầu hết mọi khía cạnh. Điều thú vị là có vẻ như lần này trí tuệ nhân tạo đang đóng vai trò bổ sung cho trí thông minh của con người hơn là thay thế nó.
Trung tâm Dự báo Thời tiết Trung bình Châu Âu (ECMWF) có một hệ thống cực kỳ tiên tiến đã được nâng cấp lớn vào năm ngoái, cải thiện khả năng dự đoán của nó. Được tổ chức tại các cơ sở của nó ở Bologna, Ý, Có một siêu máy tính được trang bị khoảng một triệu bộ xử lý (ngược lại với hai hoặc bốn cái được tìm thấy trong máy tính cá nhân) và sức mạnh tính toán phi thường là 30 petaflop, tương đương với 30.000 nghìn tỷ phép tính đáng kinh ngạc mỗi giây.
Khả năng tính toán to lớn này là cần thiết cho một trong những công cụ của nó, Dự báo độ phân giải cao (HRES), dự đoán chính xác các kiểu thời tiết toàn cầu trung hạn, giúp dự đoán chính xác các kiểu thời tiết toàn cầu trong trung hạn. Chúng thường kéo dài 10 ngày, với độ phân giải không gian ấn tượng là XNUMX km. Những dự đoán này làm cơ sở cho các dự báo thời tiết do các nhà khí tượng học trên khắp thế giới đưa ra. Gần đây, GraphCast, một trí tuệ nhân tạo do Google DeepMind phát triển, đã được sử dụng để đo lường khả năng dự báo thời tiết của hệ thống đáng gờm này.
Kết quả nghiên cứu AI
Kết quả so sánh, được công bố hôm thứ Ba trên tạp chí Science, tiết lộ rằng GraphCast vượt trội hơn HRES trong việc dự đoán nhiều yếu tố thời tiết. Theo nghiên cứu, Máy của Google hoạt động tốt hơn ECMWF ở 90,3% trong số 1.380 số liệu được kiểm tra.
Khi chỉ tập trung vào tầng đối lưu, tầng khí quyển nơi xảy ra hầu hết các sự kiện thời tiết và loại trừ dữ liệu từ tầng bình lưu, cách bề mặt Trái đất khoảng 6 đến 8 km, trí tuệ nhân tạo (A.I.) ) vượt trội hơn các siêu máy tính do con người giám sát trong 99,7% các trường hợp. các biến được phân tích. Điều đáng ngạc nhiên là thành tích này đạt được bằng cách sử dụng một chiếc máy gần giống với máy tính cá nhân được gọi là bộ xử lý tensor hay TPU.
Theo Álvaro Sánchez González, nhà nghiên cứu tại Google DeepMind, TPU là phần cứng chuyên dụng giúp đào tạo và thực thi phần mềm trí tuệ nhân tạo hiệu quả hơn so với PC thông thường, trong khi vẫn duy trì kích thước tương tự. Giống như card đồ họa của máy tính tập trung vào việc hiển thị hình ảnh, TPU được thiết kế để tạo ra các sản phẩm ma trận vượt trội. Để đào tạo về GraphCast, chúng tôi đã sử dụng 32 TPU trong vài tuần. Tuy nhiên, sau khi đào tạo xong, một TPU duy nhất có thể tạo ra dự đoán trong vòng chưa đầy một phút, như giải thích của Sánchez González, một trong những người tạo ra thiết bị này.
GraphCast và hệ thống dự đoán
Điểm khác biệt đáng chú ý giữa GraphCast và các hệ thống dự đoán hiện có là khả năng kết hợp dữ liệu lịch sử. Những người sáng tạo đã huấn luyện hệ thống bằng cách sử dụng dữ liệu khí tượng từ kho lưu trữ ECMWF có từ năm 1979. Bộ dữ liệu mở rộng này bao gồm lượng mưa ở Santiago và lốc xoáy đã ảnh hưởng đến Acapulco trong khoảng thời gian 40 năm. Sau một thời gian đào tạo đáng kể, GraphCast có khả năng vượt trội trong việc tạo ra các dự đoán thời tiết chính xác.
Chỉ cần có kiến thức về điều kiện thời tiết sáu giờ trước và ngay trước dự báo của bạn để dự đoán chính xác thời tiết thêm sáu giờ nữa kể từ bây giờ. Các dự đoán phụ thuộc lẫn nhau và mỗi dự báo mới sẽ cung cấp thông tin cho dự báo trước đó. Ferran Alet, người đồng sáng tạo ra cỗ máy DeepMind ấn tượng này, giải thích hoạt động bên trong của nó: «Mạng lưới thần kinh của chúng tôi dự đoán điều kiện thời tiết trước sáu giờ. Để dự báo thời tiết trong 24 giờ, chúng tôi chỉ cần đánh giá mô hình bốn lần. Ngoài ra, chúng ta có thể đào tạo các mô hình riêng biệt cho các khoảng thời gian khác nhau, chẳng hạn như một mô hình trong sáu giờ và một mô hình trong 24 giờ. Tuy nhiên, “Chúng tôi hiểu rằng các nguyên tắc cơ bản chi phối khí hậu vẫn nhất quán trong khoảng thời gian sáu giờ.”
“Do đó, nếu chúng ta có thể khám phá mô hình 6 giờ thích hợp và sử dụng các dự đoán của riêng nó làm đầu vào, chúng ta có thể dự báo chính xác thời tiết trong 12 giờ tiếp theo và lặp lại quá trình này sau mỗi sáu giờ.” Theo Alet, phương pháp này cung cấp một lượng dữ liệu đáng kể cho một mô hình duy nhất, giúp việc đào tạo hiệu quả hơn.
Cho đến nay, dự báo thời tiết dựa trên dự báo thời tiết bằng số, sử dụng các phương trình khoa học được phát triển trong suốt lịch sử để giải thích sự phức tạp khác nhau của động lực học khí quyển. Phát hiện của các nhà nghiên cứu đã thiết lập một tập hợp các thuật toán toán học mà siêu máy tính phải chạy để tạo dự đoán trong vài giờ, ngày hoặc tuần tới (mặc dù độ tin cậy giảm đáng kể sau 15 ngày). Tuy nhiên, việc thực hiện nhiệm vụ này đòi hỏi một siêu máy tính rất tiên tiến, đòi hỏi chi phí đáng kể và nỗ lực kỹ thuật rộng rãi.
Mô hình Google AI dự đoán thời tiết
Điều đặc biệt đáng chú ý là các hệ thống này họ không sử dụng điều kiện thời tiết của ngày hôm trước hoặc thậm chí của năm trước, mặc dù xảy ra ở cùng một nơi và cùng một lúc.
Ngược lại, nó tiếp cận nhiệm vụ từ một góc độ khác, gần như ngược lại. Thông qua khả năng học sâu tiên tiến, nó sử dụng kho lưu trữ rộng rãi về dữ liệu thời tiết trong quá khứ để có được sự hiểu biết toàn diện về động lực nhân quả phức tạp quyết định sự tiến triển của khí hậu Trái đất.
Theo José Luis Casado, người phát ngôn của Cơ quan Khí tượng Tây Ban Nha (AEMET), dữ liệu lịch sử không được tính đến trong mô hình khí quyển. Casado làm rõ rằng mô hình này dựa trên những quan sát hiện có và dự đoán gần đây nhất do chính mô hình đó đưa ra. Bằng cách hiểu chính xác tình trạng hiện tại của khí quyển, có thể dự đoán diễn biến của nó trong tương lai. Không giống như các kỹ thuật học máy, phương pháp này không sử dụng dữ liệu lịch sử hoặc dự đoán.
Tôi hy vọng rằng với thông tin này, bạn có thể tìm hiểu thêm về AI của Google có khả năng dự đoán thời tiết và các đặc điểm của nó.