Dùng trí tuệ nhân tạo dự báo thời tiết: Con dao hai lưỡi có đáng dùng?

Trong hai công trình nghiên cứu được xuất bản vào 12.7 trên tạp chí khoa học Nature, các tác giả đã giới thiệu tiềm năng của hai phương pháp dự báo mới bằng AI - các hệ thống có thể mang lại kết quả nhanh hơn và chính xác hơn so với các mô phỏng truyền thống.

AI chạy dự báo thời tiết nhanh hơn 10.000 lần so với phương pháp thông thường

Báo cáo đầu tiên trên Nature viết về mô phỏng có tên là Pangu-Weather - mô phỏng này dự báo các biến số thời tiết khác nhau trên toàn cầu, chẳng hạn như nhiệt độ và tốc độ gió, trước khoảng một tuần. Được phát triển bởi các nhà nghiên cứu tại Công ty công nghệ Trung Quốc Huawei Technologies Co. Ltd., mô phỏng này có khả năng mang lại kết quả nhanh hơn tới 10.000 lần so với các mô phỏng thông thường.

Các nhà nghiên cứu nhận thấy Pangu-Weather có thể theo dõi chính xác đường đi của các cơn bão nhiệt đới. Và mô phỏng này thậm chí còn chính xác hơn một chút so với Trung tâm Dự báo thời tiết Châu Âu, một trong những trung tâm thời tiết hàng đầu thế giới.

Tuy nhiên, Pangu-Weather có một số hạn chế. Các nhà nghiên cứu đã không điều tra hiệu suất của nó đối với lượng mưa - một biến số thời tiết chính và là một trong những biến số khó nắm bắt chính xác nhất trong các mô phỏng.

Báo cáo thứ hai trên Nature đề cập hệ thống AI được gọi là NowcastNet, một chương trình chuyên về các dự báo ngắn hạn tối đa chỉ vài giờ. Các nhà nghiên cứu nhận thấy rằng NowcastNet có khả năng vượt trội so với nhiều đối thủ cạnh tranh hàng đầu.

Pangu-Weather và NowcastNet là hai trong số các mô phỏng thời tiết mới nhất trong làn sóng AI gần đây. Điều đáng nói, nhiều mô phỏng thời tiết do các tập đoàn tư nhân phát triển thay vì các tổ chức chính phủ như truyền thống. Các chương trình này khác với các hệ thống dự báo thông thường theo một số điểm cơ bản.

Dự báo thông thường dựa trên một hệ thống được gọi là dự đoán thời tiết số. Đó là một loại mô phỏng toán học sử dụng các phương trình phức tạp để dự đoán cách các hệ thống thời tiết thay đổi theo thời gian và không gian. Những phương trình này dựa vào động lực thực tế đằng sau sự chuyển động của không khí trong khí quyển và nước trong đại dương.

Do có quá nhiều biến số liên quan đến toán học và vật lý nên các mô phỏng thời tiết số đòi hỏi năng lực tính toán cực cao. Điều đó làm cho chúng tốn thời gian và chi phí để chạy chương trình. Hơn nữa, nó cũng bị hạn chế giống như kiểu "dao mổ trâu khó dùng để mổ gà". Chẳng hạn, rất khó dùng để dự báo thời tiết ở quy mô nhỏ trong các mô phỏng đang chạy chương trình để đưa ra dự đoán quy mô lớn toàn cầu.

Các nhà khoa học đã nghĩ ra nhiều cách khác nhau để giải quyết những khó khăn này trong mô phỏng số truyền thống nhưng đều không hoàn hảo. Nhưng AI có thể thay thế những cách giải quyết này với kết quả có khả năng nhanh hơn và chính xác hơn.

Các mô phỏng AI không nhất thiết phải biểu diễn yếu tố vật lý thực tế dưới dạng các phương trình toán học. Thay vào đó, chúng nhập một lượng lớn dữ liệu lịch sử thời tiết và học cách nhận biết các mẫu tình huống. Sau đó, chúng sử dụng các mẫu này để đưa ra dự đoán khi được cung cấp dữ liệu mới về điều kiện thời tiết thực tế.

Gần đây, các nhà khoa học đã nỗ lực tích hợp các thành phần trong mô phỏng bằng AI vào các mô phỏng thời tiết truyền thống nhằm làm cho chúng chạy nhanh hơn và rẻ hơn. Và một số công ty hiện đang phát triển các mô phỏng hoàn toàn bằng AI - chẳng hạn như Pangu-Weather và NowcastNet - có thể thay thế hoàn toàn hệ thống mô phỏng số truyền thống.

Đó là một lĩnh vực phát triển nhanh chóng. Chỉ hai năm trước, trong một bài báo đăng trên tạp chí Royal Society, các nhà khoa học mới chỉ dám cho rằng các mô phỏng thời tiết dựa vào AI “có khả năng” tạo ra kết quả tương đương hoặc tốt hơn các mô phỏng truyền thống.

Các nhà nghiên cứu cho biết: “Chúng tôi không thể tưởng tượng được rằng một ngày nào đó các mô phỏng thời tiết số có thể trở nên lỗi thời, nhưng cần có một số đột phá cơ bản trước khi đạt được mục tiêu này”.

Các cách tiếp cận như Pangu-Weather và NowcastNet cho thấy những bước đột phá như vậy đang được tiến hành. Trong một bình luận về nghiên cứu mới, cũng được công bố hôm 12.7 trên tạp chí Nature, hai nhà nghiên cứu Imme Ebert-Uphoff và Kyle Hilburn của Đại học bang Colorado đánh giá cao tiềm năng của lĩnh vực dự báo thời tiết bằng AI.

Họ viết: “Về nguyên tắc, tốc độ tính toán nhanh hơn nhiều của các mô phỏng như Pangu-Weather có thể mang lại lợi ích to lớn”.

Thách thức của AI là còn thiếu kinh nghiệm với môi trường phức tạp 

Vẫn còn một số trở ngại tiềm ẩn đối với các hệ thống AI - đặc biệt là khi hành tinh ngày càng ấm lên. Các chuyên gia cảnh báo, các mô phỏng của AI có thể gặp vấn đề khi mô phỏng các sự kiện thời tiết cực đoan khi chúng ngày càng dữ dội hơn do biến đổi khí hậu.

Các đợt nắng nóng, hạn hán, bão, cháy rừng và vô số các thảm họa liên quan đến khí hậu khác đều đang ngày càng trở nên cực đoan hơn khi nhiệt độ tăng lên và tạo ra những tình huống chưa từng có tiền lệ. Chỉ trong tuần qua, kỷ lục về nhiệt trên toàn cầu liên tục bị xô đổ trong khi các nhà khoa học cảnh báo rằng Trái đất có thể đang trải qua những ngày nóng nhất kể từ khi loài người xuất hiện.

Dự báo chính xác các sự kiện thời tiết cực đoan là một trong những chức năng quan trọng nhất đối với các mô phỏng thời tiết, cho phép nhà chức trách đủ thời gian đưa ra các cảnh báo giúp người dân đối phó với thiên tai. Nhưng các mô phỏng bằng AI lại đưa ra dự báo nhờ xử lý tình huống từ dữ liệu thời tiết trong quá khứ. Vì thế, khi thời tiết trở nên khắc nghiệt hơn, AI trở nên “thiếu kinh nghiệm” khi phải đưa ra dự đoán.

Điều đó có nghĩa là các hệ thống AI trong tương lai không có đủ dữ liệu để mô phỏng chính xác các điều kiện khắc nghiệt chưa từng có. Trên thực tế, nếu phải đối mặt với điều kiện thời tiết hoàn toàn xa lạ, khó đoán được AI sẽ phản ứng như thế nào.

Ebert-Uphoff và Hilburn cảnh báo: “Hành vi của các hệ thống AI “thường không thể đoán trước khi chương trình hoạt động trong những điều kiện mà nó chưa từng gặp phải trước đây. Do đó, một sự kiện thời tiết cực đoan có thể gây ra những dự đoán rất thất thường.”

Các chuyên gia khác đã đưa ra những lo ngại tương tự. Các tác giả của bài báo năm 2021 của trên tạp chí Royal Society lưu ý rằng "sự khan hiếm các sự kiện thời tiết cực đoan" trong lịch sử đặt ra thách thức đối với các mô phỏng thời tiết bằng AI. Họ cũng chỉ ra rằng đã có một số nghiên cứu đánh giá hiệu suất của các hệ thống AI khi xử lý các tình huống cực đoan với dữ liệu lịch sử hạn chế. Kết quả chúng đã đưa ra các dự đoán khác nhau - một số hoạt động tốt trong khi một số khác thì không.

Russ Schumacher, nhà khí hậu học bang Colorado và là nhà khoa học tại Đại học bang Colorado, cho biết: “Câu hỏi về cách các mô phỏng thời tiết bằng AI sẽ hoạt động trong điều kiện khí hậu Trái đất ấm lên là một vấn đề rất thú vị và theo hiểu biết của tôi thì vẫn chưa được khám phá kỹ càng vào thời điểm này”.

Nhóm nghiên cứu riêng của Schumacher đã áp dụng AI vào các mô phỏng dự đoán bão và các hiện tượng thời tiết nguy hiểm khác. Từ đó, Schumacher đề xuất các mô phỏng kết hợp cả thành phần AI và thành phần mô phỏng số truyền thống. Nhưng đối với các mô phỏng hoàn toàn do AI điều khiển, nhà khí hậu học này nói: “Không rõ nó sẽ phản ứng như thế nào với các tình huống hoàn toàn nằm ngoài thông số lịch sử”.

Schumacher cho biết thêm đây là những đánh giá quan trọng cần xem xét khi các nhà nghiên cứu tiếp tục phát triển các mô phỏng thời tiết bằng AI. Chúng phải được nạp nhiều dữ liệu không chỉ từ các bản tin thông thường mà phải được học các tình huống đặc biệt.

Tựu chung, Schumacher cho rằng các mô phỏng thời tiết bằng AI có tiềm năng nhưng nhà khí hậu học này lưu ý rằng chúng cũng không thể thay thế hoàn toàn các phương pháp thông thường. Các mô phỏng số và mô phỏng AI có thể có những điểm mạnh khác nhau và kinh nghiệm của con người sẽ vẫn có giá trị khi tổng hợp và phát đi thông tin về thời tiết.