Η τεχνητή νοημοσύνη στη χρήση των μετεωρολόγων – Πώς προβλέπει τα ακραία καιρικά φαινόμενα;
Στη βοήθεια που μπορεί να προσφέρει η τεχνητή νοημοσύνη στους μετεωρολόγους για την πρόγνωση των επικίνδυνων καιρικών φαινομένων αναφέρεται η βρετανική Telegraph.
Σύμφωνα με το δημοσίευμα, σε μια οθόνη στην έδρα του Ευρωπαϊκού Κέντρου Μεσοπρόθεσμων Προβλέψεων Καιρού (ECMWF), στο Ρέντινγκ, μια δέσμη απλών εικονοστοιχείων διαγράφει έναν χάρτη των Ηνωμένων Πολιτειών. Στην αρχή κίτρινα, στη συνέχεια πράσινα ή μπλε, σχηματίζουν ένα σχήμα γυρίδας καθώς περνούν πάνω από τις νότιες πολιτείες του Τέξας και της Λουιζιάνα.
Τα εικονοστοιχεία αυτά αντιπροσωπεύουν τον τυφώνα Μπέριλ, ο οποίος διέσχισε τις νότιες περιοχές των Ηνωμένων Πολιτειών την περασμένη εβδομάδα – και μια σημαντική ανακάλυψη στην πρόγνωση του καιρού, η οποία χάρισε στην ομάδα που βρίσκεται πίσω από αυτήν το «βραβείο Νόμπελ μηχανικής», το βραβείο MacRobert, την ίδια ημέρα που χτύπησε ο τυφώνας
Ο Μπέριλ είναι ένα από τα δεκάδες ακραία καιρικά φαινόμενα που έχουν προβλεφθεί με ακρίβεια από το GraphCast, ένα σύστημα πρόγνωσης καιρού που αναπτύχθηκε από την κορυφαία βρετανική εταιρεία τεχνητής νοημοσύνης (AI) Google DeepMind. Το πρόγραμμα ξεπερνά το σύστημα HRES (υψηλότερης ανάλυσης), το σημερινό χρυσό πρότυπο στην πρόγνωση του καιρού, σε ποσοστό άνω του 90% των μετρήσεων ακρίβειας.
Η ομάδα πίσω από το GraphCast, με επικεφαλής τον επιστήμονα Ρέμι Λαμ, χαρακτηρίστηκε «ήρωες» από τον επικεφαλής κριτή καθηγητή Σερ Ρίτσαρντ Φρέντ, όταν τους απονεμήθηκε το βραβείο την περασμένη εβδομάδα.
Για το βραβείο διεκδίκησαν επίσης το Πανεπιστήμιο της Οξφόρδης και η AstraZeneca, για το σχεδιασμό της διαδικασίας παραγωγής που επέτρεψε την ταχεία διάθεση εμβολίων κατά τη διάρκεια της πανδημίας, σώζοντας περίπου έξι εκατομμύρια ζωές.
Είναι σαφές γιατί το επίτευγμα της DeepMind θεωρείται πιο ηρωικό ακόμη και από αυτό: καθώς τα ακραία καιρικά φαινόμενα γίνονται όλο και πιο συνηθισμένα σε παγκόσμιο επίπεδο, οι μετεωρολόγοι βρίσκονται σε έναν αγώνα δρόμου ενάντια στον χρόνο για την ανάπτυξη λογισμικού που θα μπορεί να προβλέπει με ακρίβεια τις καταστροφές πριν συμβούν και να βοηθά τις κυβερνήσεις να απομακρύνουν τους ανθρώπους από τις επικίνδυνες ζώνες.
Άλλες γνωστές εταιρείες τεχνολογίας, όπως η Nvidia και η Huawei, έχουν επίσης σχεδιάσει τα δικά τους μοντέλα, αλλά η GraphCast θεωρείται η πιο προηγμένη.
Η πρόβλεψη του καιρού έχει να κάνει με το «φαινόμενο της πεταλούδας, το πώς πολύ μικρά πράγματα στην αρχική κατάσταση που παρατηρείτε μπορούν να αναπτυχθούν και να κάνουν τον καιρό απρόβλεπτο σε μεγαλύτερο χρονικό διάστημα» εξηγήσε ο Λαμ.
Οι παραδοσιακές μέθοδοι περιλάμβαναν «φυσικά μοντέλα, πολύπλοκες μαθηματικές εξισώσεις που εκτελούνταν αρχικά από ανθρώπους και αργότερα, όπως σήμερα, από υπερυπολογιστές στο μέγεθος ενός λεωφορείου. Το GraphCast, από την άλλη πλευρά, μπορεί να εκτελεστεί σε έναν φορητό υπολογιστή και μπορεί να καταλήξει σε μια πρόγνωση του καιρού μέσα σε λίγα λεπτά.
Το μοντέλο λειτουργεί κάνοντας μια πρόβλεψη με βάση τα δεδομένα που του έχουν τροφοδοτηθεί σχετικά με τα προηγούμενα καιρικά φαινόμενα της τελευταίας δεκαετίας και εφαρμόζοντάς την σε εκατομμύρια σημεία πλέγματος σε όλη τη Γη, χωρίς να εμπλέκονται μαθηματικά. Μπορεί να δοκιμαστεί από το ECMWF στο Ρέντινγκ μαζί με άλλους εμπειρογνώμονες σε όλο τον κόσμο, οι οποίοι το έχουν προσεγγίσει με μια «υγιή δόση σκεπτικισμού» είπε ο Λαμ
«Ζούμε σε έναν όλο και πιο θερμό κόσμο και συμβαίνουν περισσότερα ακραία φαινόμενα, οπότε χρειαζόμαστε πραγματικά πιο ακριβή μέτρα» [πρόσθεσε.
Για το λόγο αυτό, η DeepMind έχει διαθέσει το μοντέλο της ως ανοικτό λογισμικό, επιτρέποντας σε κυβερνητικούς οργανισμούς και άλλες εταιρείες σε όλο τον κόσμο να χρησιμοποιήσουν το έργο της και να το αξιοποιήσουν για τους δικούς τους σκοπούς.
Την πρώτη φορά που το GraphCast χρησιμοποιήθηκε στην πραγματική ζωή στο ECMWF, για να προβλέψει τις κινήσεις του τυφώνα Λι στα ανατολικά των Ηνωμένων Πολιτειών τον περασμένο Σεπτέμβριο, η ομάδα που το σχεδίασε «έμεινε άναυδη» ανέφερε ο Λαμ
Η μηχανική μάθηση, η τεχνική που χρησιμοποιείται για την παραγωγή του GraphCast, είναι ένας «πολύ αναλυτικός» και άχαρος τρόπος εργασίας τις περισσότερες φορές. «Ψάχνεις πάντα να μειώσεις το σφάλμα, να δεις αυτό το περιθώριο να μειώνεται καθώς εκπαιδεύεις ένα μοντέλο.Αλλά το να βλέπεις να απεικονίζεται ένας κυκλώνας εν κινήσει ήταν το πιο εντυπωσιακό παράδειγμα του τι μπορεί να κάνει το GraphCast»
συμπληρώνει.
«Δεν είμαστε ειδικοί στον καιρό, και οι περισσότεροι από εμάς δεν έχουμε υπόβαθρο στην πρόγνωση. Έτσι, την πρώτη φορά που είδαμε έναν πραγματικό κυκλώνα, να κινείται σε πραγματικό χρόνο, όλοι έλεγαν: ουάου» ανέφερε ο Λαμ.
Ωστόσο, ακόμη και τον Ιούνιο του 2022, λιγότερο από ένα χρόνο μετά την έναρξη των πρώτων προσπαθειών της DeepMind να προβλέψει τον καιρό σε μεσοπρόθεσμη βάση, η ομάδα ήξερε ότι είχε βρει κάτι «πραγματικά πολλά υποσχόμενο». Και μέχρι το 2023, στην περίπτωση του τυφώνα Λι, το μοντέλο ήταν σε θέση να προβλέψει «πού θα προσγειωνόταν, στη Νέα Σκωτία».
«Και ήμασταν σίγουροι ότι θα είχε κλειδώσει [σε αυτή την πορεία] έξι ημέρες πριν συμβεί, τρεις ημέρες νωρίτερα από ό,τι θα μπορούσε να προβλέψει η παραδοσιακή προσέγγιση» πρόσθεσε.
