Google tuyên bố đang đánh bại Huawei trong lĩnh vực dự báo thời tiết toàn cầu bằng AI

Trong các kết quả thử nghiệm gần đây, DeepMind tuyên bố GraphCast vượt qua hiệu suất của Pangu-Weather (do Huawei phát triển) ở hầu hết kịch bản thử nghiệm, song Pangu-Weather vẫn dẫn đầu ở một số điểm chuẩn, chẳng hạn độ phân giải thời gian trong đó có khoảng cách thời gian nhỏ hơn giữa mỗi dự đoán.

Mô hình GraphCast được đào tạo và vận hành trên chip 7 nanomet, trong khi Pangu-Weather sử dụng chip 12 nanomet. Chính phủ Mỹ đã áp đặt các lệnh trừng phạt nghiêm khắc để ngăn Huawei tiếp cận chip trí tuệ nhân tạo (AI) tiên tiến.

Trong các thử nghiệm so sánh, cả hai mô hình đều hoạt động tốt hơn hệ thống High Resolution Forecast (HRES), một tiêu chuẩn ngành lâu đời của Trung tâm Dự báo thời tiết trung hạn châu Âu (ECMWF).

Những kết quả ấn tượng này đã được ghi lại trong một nghiên cứu của 18 nhà khoa học từ Google DeepMind và Google Research, được công bố hôm 17.11 trên số mới nhất của tạp chí Science.

Sự phát triển này đánh dấu một chương khác trong cuộc cạnh tranh AI giữa Trung Quốc và Mỹ, đặc biệt là trong lĩnh vực dự báo thời tiết dựa trên học máy (MLWP), nơi các công ty của cả hai quốc gia đang vượt qua thành tích của nhau.

Học máy là một lĩnh vực trong AI tập trung vào việc phát triển các thuật toán và mô hình máy tính có khả năng học hỏi từ dữ liệu và cải thiện hiệu suất của chúng theo thời gian mà không cần lập trình cụ thể. Các hệ thống học máy có khả năng tự động tìm hiểu và áp dụng kiến thức từ dữ liệu để thực hiện các nhiệm vụ cụ thể như phân loại, dự đoán, nhận dạng mẫu và tối ưu hóa quyết định.

Những ứng dụng của học máy rất đa dạng, bao gồm trong lĩnh vực như xử lý ngôn ngữ tự nhiên, thị giác máy tính, ô tô tự hành, dự đoán thời tiết, quản lý dữ liệu lớn, và nhiều lĩnh vực khác.

Học máy đã có sự tiến bộ đáng kể trong thập kỷ gần đây, nhờ sự phát triển của các mô hình học sâu (deep learning) và khả năng xử lý dữ liệu lớn (big data), mang lại nhiều cơ hội và tiềm năng trong việc giải quyết các vấn đề phức tạp và cải thiện hiệu suất trong nhiều lĩnh vực khác nhau.

Lĩnh vực dự báo thời tiết dựa trên học máy có sự đóng góp đáng kể từ FourCastNet của Nvidia, GraphCast của DeepMind và ClimaX của Microsoft. Những đóng góp đáng chú ý gần đây của Trung Quốc là Pangu-Weather của Huawei và FengWu từ Phòng thí nghiệm AI Thượng Hải.

DeepMind có lịch sử giải quyết các vấn đề phức tạp. Sau khi đánh bại người chơi trong các game chiến lược như Go (cờ vây) và StarCraft (game khoa học viễn tưởng quân sự thuộc quyền sở hữu của hãng Blizzard Entertainment), công ty đã chuyển hướng lên bầu trời.

DeepMind đã phát hành mô hình dự báo lượng mưa ngắn hạn vào tháng 9.2021. Một bài viết đăng trên tạp chí Nature nhấn mạnh rằng mô hình tạo sinh của DeepMind dẫn đầu về độ chính xác trong 89% trường hợp khi so sánh với các phương pháp cạnh tranh khác.

Thế nhưng, sự phức tạp của công tác dự báo thời tiết trung hạn (đoán xu hướng thời tiết trong 4 đến 10 ngày tới) đặt ra nhiều thách thức hơn.

Những dự báo này rất quan trọng với lĩnh vực như nông nghiệp, xây dựng và du lịch, nhưng chúng đòi hỏi một lượng dữ liệu khổng lồ.

Để đạt được dự báo này, các cơ quan thời tiết như ECMWF dựa vào dự báo thời tiết bằng số (NWP), sử dụng dữ liệu hiện tại và lịch sử từ vệ tinh cùng trạm thời tiết, đồng thời tính toán kết quả dựa trên các quy tắc vật lý phức tạp.

Dù có độ tin cậy cao nhưng NWP được biết đến là gây hao tốn chi phí và tốn nhiều công sức tính toán.

Huawei đã có bước đột phá mới vào tháng 11.2022 với việc giới thiệu Pangu-Weather. Bằng cách sử dụng mạng thần kinh 3D, lần đầu tiên Pangu-Weather vượt trội hơn các phương pháp NWP truyền thống về độ chính xác.

Theo sát Huawei sau đó, DeepMind đã cải tiến mô hình GraphCast của mình. Theo thời gian và với những cải tiến liên tục, DeepMind đã giành lại vị trí dẫn đầu về độ chính xác.

Khi trình bày chi tiết những thành tựu của mình, DeepMind lưu ý tiêu chuẩn quan trọng do Huawei đặt ra.

“GraphCast đã vượt qua các hệ thống HRES truyền thống trong 90% trường hợp thử nghiệm trên 1.380 mục tiêu và áp đảo mô hình đối thủ hàng đầu Pangu-Weather trong 99.2% trên tổng số 252 mục tiêu mà nó trình bày vào tháng 7”, theo bài báo.

Thật hiếm khi có một công ty Trung Quốc được sử dụng làm chuẩn mực trong cuộc cạnh tranh AI của Google, với GraphCast và Pangu-Weather có nhiều điểm tương đồng.

Cả hai mô hình đều được đào tạo về dữ liệu thời tiết từ năm 1979 đến 2017 do ECMWF cung cấp. Cả hai hiện đều cho phép truy cập trên trang web ECMWF dưới dạng mô hình thử nghiệm. Các nhà nghiên cứu có thể sử dụng chúng để dự đoán những yếu tố khác nhau như lượng mưa và tốc độ gió.

Mỗi mạng hoạt động ở độ phân giải kinh độ - vĩ độ 0,25 độ, chia bề mặt Trái đất thành hơn một triệu lưới. Trong khi GraphCast cập nhật dự báo 6 giờ một lần, Pangu-Weather cung cấp thông tin cập nhật hàng giờ.

Về độ phức tạp của mô hình, 36,7 triệu tham số khiến GraphCast trở thành đối thủ nhẹ ký khi so sánh với số lượng tham số ở mức tỉ của Pangu-Weather.

Cả hai mô hình đều yêu cầu tài nguyên tính toán tối thiểu trong sử dụng thực tế. GraphCast đã được đào tạo trên 32 bộ xử lý TPU v4 do Google tự thiết kế trong vòng ba tuần, nhưng chỉ cần một TPU v4 để tạo dự báo 10 ngày trong vòng chưa đầy một phút.

Pangu-Weather có thể đưa ra dự báo thời tiết toàn cầu 24 giờ chỉ trong 1,4 giây trên card đồ họa Nvidia V100, nhanh hơn 10.000 lần so với các phương pháp truyền thống.

Bất chấp tất cả thành tựu này được nêu trong các bài báo học thuật, cả GraphCast và Pangu-Weather đều chưa sẵn sàng thay thế các phương pháp dự báo truyền thống.

Nhà khoa học Tian Qi của Huawei xác nhận rằng mục tiêu của Pangu-Weather không phải để thay thế mà là cung cấp trợ lý chuyên môn cho các ngành công nghiệp, doanh nghiệp và cá nhân, giúp công việc hiệu quả hơn.

Kỹ sư nghiên cứu Remi Lam của DeepMind lặp lại quan điểm này trong bài báo, nhấn mạnh rằng không nên coi cách tiếp cận của Viện nghiên cứu này là sự thay thế cho các phương pháp truyền thống, vốn đã trải qua nhiều thập kỷ phát triển và thử nghiệm nghiêm ngặt trong thế giới thực.