Sau khi phát triển ra AlphaFold, công cụ deep learning hỗ trợ các nhà nghiên cứu khoa học trên toàn thế giới phân tích chuỗi protein xoắn, dùng phát triển những phương thuốc chữa bệnh, hay giúp các khoa học gia hiểu cách cơ thể và mầm bệnh hoạt động như thế nào, phòng thí nghiệm DeepMind của Google lại vừa công bố một mô hình AI đầy hữu ích khác, có tên GenCast.
So sánh với những giải pháp dự báo khí tượng thủy văn truyền thống, GenCast, sau khi được huấn luyện thông qua những dữ liệu thời tiết, nó có thể đưa ra dự báo chính xác trong vòng 15 ngày, và dự báo được những hình thái thời tiết cực đoan chính xác hơn. Nhờ đó, việc dự báo công suất sản xuất điện gió cho tới việc dự báo hướng đi của những cơn bão nhiệt đới cũng sẽ được thực hiện chính xác hơn.
Ilan Price, nhà nghiên cứu tại Google DeepMind cho biết: “Sự ra mắt của mô hình này đánh dấu bước ngoặt trong quá trình nghiên cứu liên tục, ứng dụng sức mạnh của AI để dự báo thời tiết chính xác hơn và nhanh hơn, một hướng tiếp cận mà các đơn vị khí tượng thủy văn trên toàn thế giới đang áp dụng phổ biến hơn. GenCast có thể được ứng dụng chung với những hệ thống dự báo thời tiết hiện tại, cung cấp những dữ liệu giá trị để các nhà quản lý có thể hiểu và chuẩn bị sẵn sàng đối mặt với những hình thái thời tiết khác nhau.”
Giải pháp nội suy của GenCast khác biệt nhiều so với những mô hình machine learning đang hiện diện. Nó sử dụng giải pháp dự báo “ensemble predictions” để mô tả những hệ quả khác nhau của một sự kiện thời tiết, kỹ thuật được sử dụng trong những hệ thống dự báo khí tượng tối tân nhất hiện tại. Để huấn luyện mô hình này, DeepMind đã sử dụng lượng dữ liệu trong suốt khoảng thời gian 4 thập kỷ vừa qua của trung tâm dự báo khí tượng thủy văn ECMWF - European Centre for Medium-Range Weather Forecasting.
So sánh với những giải pháp dự báo khí tượng thủy văn truyền thống, GenCast, sau khi được huấn luyện thông qua những dữ liệu thời tiết, nó có thể đưa ra dự báo chính xác trong vòng 15 ngày, và dự báo được những hình thái thời tiết cực đoan chính xác hơn. Nhờ đó, việc dự báo công suất sản xuất điện gió cho tới việc dự báo hướng đi của những cơn bão nhiệt đới cũng sẽ được thực hiện chính xác hơn.
Ilan Price, nhà nghiên cứu tại Google DeepMind cho biết: “Sự ra mắt của mô hình này đánh dấu bước ngoặt trong quá trình nghiên cứu liên tục, ứng dụng sức mạnh của AI để dự báo thời tiết chính xác hơn và nhanh hơn, một hướng tiếp cận mà các đơn vị khí tượng thủy văn trên toàn thế giới đang áp dụng phổ biến hơn. GenCast có thể được ứng dụng chung với những hệ thống dự báo thời tiết hiện tại, cung cấp những dữ liệu giá trị để các nhà quản lý có thể hiểu và chuẩn bị sẵn sàng đối mặt với những hình thái thời tiết khác nhau.”
Giải pháp nội suy của GenCast khác biệt nhiều so với những mô hình machine learning đang hiện diện. Nó sử dụng giải pháp dự báo “ensemble predictions” để mô tả những hệ quả khác nhau của một sự kiện thời tiết, kỹ thuật được sử dụng trong những hệ thống dự báo khí tượng tối tân nhất hiện tại. Để huấn luyện mô hình này, DeepMind đã sử dụng lượng dữ liệu trong suốt khoảng thời gian 4 thập kỷ vừa qua của trung tâm dự báo khí tượng thủy văn ECMWF - European Centre for Medium-Range Weather Forecasting.
Kết quả là, mô hình của DeepMind vượt qua được cả mức độ chính xác của mô hình dự báo thời tiết của ECMVF. GenCast đạt mức độ dự báo chính xác 97.2% trong số 1.320 bài kiểm tra khác nhau, với cả những dữ liệu như nhiệt độ, tốc độ gió và độ ẩm. Đó là thông tin được đề cập trong báo cáo nghiên cứu khoa học mà DeepMind công bố trên tờ tạp chí khoa học tự nhiên Nature hôm thứ 5 vừa rồi.
Năm ngoái, Google DeepMind đã cho ra mắt mô hình dự báo khí tượng GraphCast. Với GenCast, mức độ chính xác và quy mô dự báo khí tượng từ mô hình AI do DeepMind phát triển lại đạt tới một tầm mới. Trước đó, GraphCast chỉ có khả năng vượt qua dự báo thời tiết của ECMVF với độ chính xác khoảng 90%, và chỉ đưa ra được dự báo trong khoảng từ 3 tới 10 ngày kế tiếp.
Về cơ bản, những mô hình dự báo thời tiết AI thường nhanh hơn, và có khả năng hiệu quả hơn so với những giải pháp dự báo thời tiết truyền thống, vốn phải dựa vào nguồn tài nguyên điện toán khổng lồ để tính toán những phương trình dựa trên vật lý khí quyển. Còn trong khi đó, GenCast có thể đưa ra dự báo chỉ trong vòng 8 phút, thay vì vài tiếng đồng hồ như giải pháp truyền thống, với tiêu thụ tài nguyên điện toán chỉ bằng một phần nhỏ.
Các nhà nghiên cứu cho biết, mô hình GenCast có thể được cải thiện hơn nữa ở những khía cạnh như khả năng dự đoán cường độ của các cơn bão lớn chẳng hạn. Mức độ chi tiết của dữ liệu có thể được tăng lên để phù hợp với các bản nâng cấp được thực hiện trong năm nay bởi ECMWF.
ECMWF cho biết GenCast là một "cột mốc quan trọng trong quá trình phát triển kỹ thuật dự báo thời tiết". Họ cho biết đã tích hợp "các thành phần chính" của phương pháp GenCast vào phiên bản hệ thống dự báo AI của riêng mình, với các dự đoán tổng hợp trực tiếp có sẵn từ tháng 6. ECMWF cho biết thêm rằng giải pháp machine learning sáng tạo giúp tạo ra GenCast vẫn cần được thử nghiệm dựa trên các sự kiện thời tiết khắc nghiệt.
Sự phát triển của GenCast sẽ tiếp tục thúc đẩy cuộc tranh luận về mức độ triển khai AI rộng rãi trong dự báo, với nhiều nhà khoa học thích kỹ thuật kết hợp cho một số mục đích khác nhau.
Quảng cáo
Vào tháng 7, Google đã công bố mô hình NeuralGCM, kết hợp máy học và vật lý truyền thống để đạt được kết quả tốt hơn so với chỉ sử dụng AI cho dự báo tầm xa và xu hướng khí hậu. "Có những câu hỏi và cuộc thảo luận mở về sự cân bằng tối ưu giữa vật lý và hệ thống dự báo machine learning. Cộng đồng khoa học rộng lớn bao gồm cả chúng tôi đang tích cực khám phá điều này”, ECMWF cho biết.
Văn phòng Khí tượng Anh, cơ quan thời tiết quốc gia, đang nghiên cứu cách khai thác những phát triển “thú vị” vào các mô hình dự báo do AI điều khiển của riêng mình, Steven Ramsdale, giám đốc dự báo chịu trách nhiệm về AI cho biết: “Chúng tôi giữ quan điểm cho rằng giá trị quan trọng nhất đến từ phương pháp tiếp cận kết hợp, tức là kết hợp đánh giá của con người, các mô hình dựa trên vật lý truyền thống và dự báo thời tiết dựa trên AI."
Theo FT
