AI hava durumu modelleri kasırgaları tahmin etmede umut verici sonuçlar gösteriyor

Temmuz ayında Beryl Kasırgası Atlantik Havzası boyunca hızla ilerlerken, teknoloji şirketinin yapay zeka birimi Google DeepMind tarafından yapılan hava durumu tahmin aracı, diğer modellerin gözden kaçırdığı bir şeyi fark etti. Deepmind’in GraphCast adı verilen yapay zeka tabanlı yazılımı, fırtınanın geleneksel tahminlerden yaklaşık bir hafta önce güney Meksika’dan güney Teksas’a keskin bir dönüş yapacağını tahmin etti ve bu doğruydu.

Dramatik tahmin, Helen ve Milton’u da etkileyen yıkıcı kasırga sezonunda yeni yapay zeka destekli hava durumu modellerinin vaadini gösteriyor. Sezon sona ererken hava durumu ajansları ve teknoloji şirketleri bu yeni modellerin geleneksel modellerle nasıl karşılaştırıldığını inceliyor. İlk geri dönüşler, modellerin diğer ölçümleri kullanarak becerilerini geliştirmeleri gerekse de, yapay zekanın korkunç derecede doğru tahminsel yörüngeler sağlama yeteneğine sahip olduğunu gösteriyor.

Bilim insanları fırtınaları tahmin etmek için fizik tabanlı modeller kullanarak inanılmaz ilerleme kaydetti. Kasırga yollarının üç günlük tahmini, 1970 yılında ortalama 520 mil kadardı. Bugün bu, bu sayının onda biri. Dört ve beş günlük tahminler 2000 sonrasına kadar başlamadı ve son yirmi yılda önemli ilerlemeler görüldü. Ancak iklim değişikliği hızlanırken, fizik temelli modellerdeki dramatik iyileşme hızı da yavaşlıyor.

Google DeepMind’da araştırma bilimcisi olan Remy Lam, “Bu alanda ilerleme kaydetmek giderek zorlaşıyor” dedi.

Beryl’in tahmini, yapay zekanın kasırga tahmininin sınırlarını nasıl zorladığını gösteren son zamanlardaki öne çıkan olaylardan sadece biri. Bu hafta Miami’deki Kasırga Tahmini İyileştirme Konferansı’nda sunulan bir analiz, GraphCast’in 2021’den 2024’e kadar ne kadar iyi performans gösterdiğini inceledi. Ferran Allet, yılın ilk beş gününde hem Atlantik hem de Pasifik kasırga havzalarında geleneksel modellerden daha iyi performans gösterdiğini söyledi. . , Google DeepMind’da araştırma bilimcisi. Tahmini, ABD Küresel Hava Tahmin Sisteminden 12 saat daha hızlı bir şekilde hedefe ulaştı.

Avrupa Orta Vadeli Hava Tahminleri Merkezi’nin (ECMWF) bir başka yapay zeka modeli, Francine Kasırgasının Louisiana’yı diğer modellerin çoğundan çok daha erken, 10 gün önce vuracağını öngördü.

Fırtınaların nereye gideceğini planlamakta iyi olsalar da modeller diğer önemli unsurları, özellikle de şiddetini bir şekilde gözden kaçırıyor. GraphCast, çelişen tahminlerin ortalamasını alarak çözmek üzere eğitilmiştir, bu da rüzgar hızının en aza indirilmesini sağlar. 2022’de son araştırma ilerlemesini başlatan bir makale yazan Ryan Kessler, yapay zekanın hata yapmayı caydırdığını, bu nedenle genellikle daha yüksek, daha nadir ve potansiyel olarak yanlış sonuçlar elde etmek yerine daha düşük rüzgar yoğunluğu tahminleri öngördüğünü söyledi.

Ancak yapay zekanın faydaları, tahminlerinin doğruluğunun ötesinde, giderek daha açık hale geliyor.

GraphCast, Lam’ın “dizüstü bilgisayardan daha büyük olduğunu ancak onu elinizde tutabileceğiniz” bir cihaz kullanarak bir dakikadan kısa sürede 10 günlük hava durumu tahmini oluşturabiliyor. Karşılaştırıldığında, standart modellerin aynı şeyi bir süper bilgisayarda yapması yaklaşık bir saat sürebilir. GraphCast ayrıca ECMWF tarafından geliştirilen ve altın standart olarak kabul edilen standart fizik tabanlı modele göre %90’dan fazla daha doğru performans gösterdi.

DeepMind’ın yaklaşımı o kadar ikna edici oldu ki ECMWF, halihazırda grubun geleneksel modelinden daha iyi performans gösteren kendi yapay zeka modelini üretmek için onu ödünç aldı. Uç bilişim devi NVIDIA’nın hava durumu yapay zekasına FourCastNet adı veriliyor ve şirketin güneşten üçüncü gezegenin “dijital iklim ikizi” olarak tanımladığı Earth-2 platformunda bulunan daha geniş bir araç paketine ait. Huawei’nin Pangu-Weather projesi aynı zamanda test edilen değişkenlerde Avrupa orta vadeli kriterlerinden daha iyi performans gösteriyor ve Fudan Üniversitesi’nin FuXi projesi de 15 günlük tahminde bunu geride bırakıyor.

ECMWF ve ABD Ulusal Okyanus ve Atmosfer İdaresi gibi önde gelen hava durumu modelleri, atmosferi yöneten fiziksel denklemlerin geniş bir kataloğunu oluşturur. Buna karşılık yapay zeka modelleri fiziği bilmiyor. Bunun yerine, bir sinir ağı veya başka bir öğrenme platformuyla başlıyorlar ve dünyanın her noktası için çok sayıda eğitim verisiyle besleniyorlar. Birçoğu ECMWF’nin geçmiş hava durumu simülasyon veritabanına ve gözlemlerine güveniyor.

ECMWF, modelini gelecek yıl genel hava durumu tahmin operasyonlarında kullanmayı planlıyor. Ancak yine de fizik tabanlı korkuluklar olacak.

ECMWF makine öğrenimi koordinatörü Matthew Chantry, “Fiziksel sistemi kapatmayı düşünmüyoruz” dedi. “Şu anda kendi güçlü ve zayıf yönleri olan iki sistemi çalıştırmayı düşünüyoruz.”

Sonuçta araştırmacılar yapay zeka ürünlerinin meteorologların can ve mal güvenliğini daha iyi koruyabilecek tahminler üretmelerine yardımcı olmasını istiyor. Azerbaycan’ın Bakü kentinde düzenlenen COP29 iklim görüşmelerine katılanlar aynı zamanda yapay zekanın iklim değişikliğiyle mücadeleye nasıl yardımcı olabileceğini tartışıyor ve bu da yapay zeka emisyonlarıyla ilgili olağan tartışmalardan bir farklılığa işaret ediyor.

Oklahoma Üniversitesi’nde hava durumu ve yapay zeka uzmanı olan Amy McGovern, ürünlerin ortak standartlara göre test edilebilmesini sağlamaya yönelik bir kampanyanın parçası; bu, güven oluşturmak için önemli bir uygulamadır. “Extreme Weather Bench”, kendisinin baş yapay zeka ve meteoroloji stratejisti ve Kessler’in baş bilim adamı olduğu yeni kurulan Brightband’ın bir parçası olarak bunu yapmak için geliştirdiği sistemin adıdır. Platform gelecek yılın başlarında piyasaya sürüldüğünde, insanların yapay zeka modellerinin birbirlerine karşı nasıl performans gösterdiğini test edebilecekleri geçmiş aşırı hava olaylarını içeren birleşik, açık kaynaklı bir kütüphane sağlamayı bekliyor.

McGovern, “Ürettiklerimizin güvenilir olduğundan emin olmaya çalışıyoruz ve güvenilir olmanın ne demek olduğunu anlamaya çalışıyoruz” dedi.

(Bu hikaye NDTV personeli tarafından düzenlenmemiştir ve ortak yayından otomatik olarak oluşturulmuştur.)