Forradalmi áttörés az időjárás-előrejelzés terén: 20%-kal megbízhatóbbá váltak a jóslatok!

A jövő helyett a jelen gazdasági dinamikái formálódtak át – erről szól a szeptember 4-i Sustainable World konferencia, amely minden iparágat érint. Ezen a rendezvényen a hazai fenntartható üzleti szféra képviselői gyűlnek össze, hogy megosszák tapasztalataikat és ötleteiket.

A mesterséges intelligencia által vezérelt előrejelzési modellek napjainkban egyre nagyobb népszerűségnek örvendenek, mivel sokkal pontosabbak, gyorsabbak és energiahatékonyabbak, így költséghatékonyabb megoldásokat kínálnak a hagyományos előrejelzési technikákkal szemben. Ennek eredményeként a Középtávú Időjárás-előrejelzések Európai Központja (ECMWF) februárban bejelentette a világ első mesterséges intelligencia által működtetett időjárás-előrejelző rendszerének, az Artificial Intelligence Forecasting System-nek (AFIS Single) elindítását, amely a legmegbízhatóbb előrejelzéseket kívánja nyújtani a felhasználók számára.

Július elsején az MI meteorológiai prognózisok területén zajló térhódítása újabb mérföldkőhöz ért, amikor az ECMWF üzembe helyezte az MI-alapú rendszer együttes verzióját (AIFS Ensemble). Míg a februártól működő rendszer egyszerre csak egy előrejelzést futtat, addig az új, együttes változat

Már 51 különféle szimulációt tud egyszerre futtatni.

Az 51 különböző szimuláció egyedi módon jön létre, hiszen a kiinduló feltételek apró eltéréseivel dolgoznak az időjárási modellekben. Ez a megközelítés hűen tükrözi a természetben meglévő elkerülhetetlen bizonytalanságokat.

A rendszer képes bemutatni a jövőbeli időjárási forgatókönyvek széles spektrumát, ami jelentős mértékben növeli a felhasználói élményt a hagyományos, egyedi előrejelzésekhez képest. Ez különösen fontos, hiszen az előrejelzéseknek tükrözniük kell a különféle lehetséges eseményeket, míg a csupán egyetlen "determinisztikus" előrejelzés könnyen félrevezetővé válhat. Például a gazdálkodóknak elengedhetetlen, hogy tudomásuk legyen a növényeikre hatással lévő különböző környezeti tényezők teljes spektrumáról, hogy megfelelően tudják védeni őket a kedvezőtlen hatásoktól.

A laikusok számára ugyanakkor a szóló MI-előrejelzés valószínűleg könnyebben értelmezhető, átláthatóbb. Például az alábbi grafikon az európai, benne a magyarországi csapadékviszonyok július 8-án, kedden várható alakulását mutatja be az AIFS Single előrejelzése szerint. A grafikon egy kéthetes előrejelzési animációból lett kiragadva, amely itt játszható le.

Az alábbi ábra a nap hőmérsékleti viszonyait illusztrálja; az ezt bemutató animációt pedig itt találhatod.

Az új, mesterséges intelligencián alapuló előrejelző rendszer - amelynek minden szóló és együttes MI-alapú előrejelzési grafikonja itt megtalálható - párhuzamosan működik a hagyományos, fizikai elveken alapuló integrált rendszerrel. Az ECMWF értékelése alapján az új modell teljesítménye...

Számos mérési területen, például a felszíni hőmérséklet vonatkozásában, akár 20%-kal is túlszárnyalja a legfejlettebb, hagyományos fizikai alapú modellek teljesítményét.

Jelenleg az MI-alapú modell 31 kilométeres felbontással működik, ami alacsonyabb, mint a fizikai alapú együttes rendszer 9 kilométeres felbontása. Ez utóbbi továbbra is kulcsfontosságú a nagyfelbontású előrejelzésekhez és a kapcsolódó folyamatok prognosztizálásához. Ennek fényében az ECMWF aktívan kutatja a hibrid rendszerek potenciálját, amelyek képesek integrálni mindkét megközelítés előnyeit.

A mesterséges intelligencia fejlesztése óriási mennyiségű adatot igényel, ami miatt a közelmúltig főként globális szintű előrejelzések megalkotásában volt eredményes. Azonban a digitalizáció előrehaladtával egyre több adat válik elérhetővé, így a kutatók most már képesek az algoritmusokat kisebb léptékű, helyi időjárási jelenségek, például zivatarok vagy városi hőszigetek kialakulásának előrejelzésére is betanítani.

Nem csupán az ECMWF az egyetlen intézmény, amely sikeresen integrálja a mesterséges intelligenciát az időjárás-előrejelzések finomításába. Az Egyesült Államok Nemzeti Óceán- és Légkörkutatási Hivatala (NOAA) a Google szakértőivel közösen jelentős előrelépéseket ért el a hurrikánok, tornádók, heves zivatarok és villámárvizek előrejelzésének javítása terén. A közelmúltban pedig új kutatás-fejlesztési megállapodás keretében még szorosabbra fűzték együttműködésüket.

Az MI-alapú rendszer a meteorológiai állomások, műholdak, léggömbök, hajók és repülőgépek által szolgáltatott fizikai adatokra épít, amikor a kiindulási feltételeket létrehozza.

de több mint tízszer gyorsabban képes előállítani a prognózisait,

A fizikai alapú rendszerekhez képest az energiafogyasztásuk csupán egy ezredrésze a hagyományos módszereknek. Ennek köszönhetően, ahelyett, hogy szuperszámítógépek és szakértői csapatok bonyolult munkájára lenne szükség, az MI-alapú rendszerek csupán néhány perc alatt képesek időjárás-előrejelzéseket készíteni, akár egy átlagos asztali számítógépen is.

Az eddig egyeduralkodó úgynevezett numerikus időjárás-előrejelzési módszer az előrejelzéseket az adatok egy erre a célra létrehozott szuperszámítógépen futtatott komplex fizikai modellekbe történő bevitelével állítja elő. Ez egy többlépcsős folyamat többórás időigénnyel. A hagyományos meteorológiai modelleket, bár hatékonyak és nagyot fejlődtek az évtizedek során, nagy kihívás elé állítják az összetett légköri rendszerek és ezek gyors változásai, valamint az óriási adattömeg, amelyet naponta többször fel kell dolgozniuk.

A további betanítási adatok integrálásával az MI-alapú előrejelzések még részletesebbé és megbízhatóbbá válhatnak, lehetővé téve más események, mint például a bozóttüzek várható terjedésének előrejelzését is. Ez a fejlesztés gyorsabb figyelmeztetések kiadását eredményezhetné, így hozzájárulva a szélsőséges események által okozott károk csökkentéséhez.

A mesterséges intelligencián, illetve gépi tanuláson alapuló jelenlegi időjárás-előrejelző rendszerek azonban

Jelenleg több tényező miatt nem alkalmazhatóak hasonlóan hatékonyan klímamodellezésre.

Mindenekelőtt azért, mert míg az MI-alapú, legfeljebb néhány hónapra előre tekintő időjárási előrejelzésekhez hatalmas mennyiségű adat áll rendelkezésre, addig az évtizedes távlatú klímamodellezéshez viszonylag kevés elérhető adat van. Ez elsősorban azzal magyarázható, hogy a klímaváltozás szempontjából releváns fizikai jelenségek (mint például az El Niño Déli Oszcilláció) sokkal lassabban fejlődnek, mint az időjárás.

A klímaváltozás következményeként a szélsőséges időjárási jelenségek gyakorisága és súlyossága egyre inkább fokozódik. Ez a helyzet pedig növeli az MI-alapú megoldások esetleges hibázásának kockázatát, különösen az időjárás-előrejelzések terén.

Ezért sokak véleménye szerint a meteorológusoknak...

egyelőre továbbra is mindkét módszerre szükségük lesz az időjárás előrejelzéséhez,

és a klímaváltozás előrejelzések tekintetében jelenleg szintén az a várakozás, hogy hosszabb távon is a különböző megközelítések kombinálása vezethet a legjobb eredményre.