Google DeepMind AI Membuat Prakiraan Cuaca 10 Hari yang Super Akurat

Tahun ini adalah parade tanpa henti kejadian cuaca ekstrim. Panas yang belum pernah terjadi sebelumnya melanda dunia. Musim panas ini adalah yang terpanas di bumi sejak tahun 1880. Mulai dari banjir bandang di Kalifornia dan badai es di Texas hingga kebakaran hutan yang menghancurkan di Maui dan Kanada, peristiwa-peristiwa yang berhubungan dengan cuaca sangat mempengaruhi kehidupan dan komunitas.

Setiap detik sangat berarti dalam memprediksi kejadian ini. AI dapat membantu.

Minggu ini, Google DeepMind merilis AI yang memberikan prakiraan cuaca 10 hari dengan akurasi dan kecepatan yang belum pernah terjadi sebelumnya. Disebut GraphCast, model ini dapat menelusuri ratusan titik data terkait cuaca untuk lokasi tertentu dan menghasilkan prediksi dalam waktu kurang dari satu menit. Ketika dihadapkan pada lebih dari seribu potensi pola cuaca, AI mengalahkan sistem canggih dalam 90 persen kasus.

Namun GraphCast bukan hanya tentang membuat aplikasi cuaca yang lebih akurat untuk memilih lemari pakaian.

Meskipun tidak dilatih secara eksplisit untuk mendeteksi pola cuaca ekstrem, AI mendeteksi beberapa peristiwa atmosfer yang terkait dengan pola tersebut. Dibandingkan dengan metode sebelumnya, metode ini lebih akurat melacak lintasan topan dan mendeteksi sungai di atmosfer—wilayah berotot di atmosfer yang terkait dengan banjir.

GraphCast juga memperkirakan timbulnya suhu ekstrem jauh sebelum metode saat ini. Dengan Tahun 2024 akan menjadi lebih hangat dan meningkatnya kejadian cuaca ekstrem, prediksi AI dapat memberikan waktu berharga bagi masyarakat untuk bersiap dan berpotensi menyelamatkan nyawa.

“GraphCast kini menjadi sistem prakiraan cuaca global 10 hari paling akurat di dunia, dan dapat memprediksi kejadian cuaca ekstrem lebih jauh di masa depan dibandingkan sebelumnya,” para penulis menulis dalam postingan blog DeepMind.

Hari hujan

Memprediksi pola cuaca, meski hanya seminggu ke depan, adalah masalah lama namun sangat menantang. Kami mendasarkan banyak keputusan pada perkiraan ini. Ada yang melekat dalam kehidupan kita sehari-hari: Haruskah saya membawa payung hari ini? Keputusan lainnya adalah hidup atau mati, seperti kapan harus mengeluarkan perintah untuk mengungsi atau berlindung di tempat.

Perangkat lunak peramalan kami saat ini sebagian besar didasarkan pada model fisik atmosfer bumi. Dengan mempelajari fisika sistem cuaca, para ilmuwan telah menulis sejumlah persamaan dari data puluhan tahun, yang kemudian dimasukkan ke dalam superkomputer untuk menghasilkan prediksi.

Contoh yang menonjol adalah Sistem Peramalan Terpadu di Pusat Prakiraan Cuaca Jangka Menengah Eropa. Sistem ini menggunakan penghitungan canggih berdasarkan pemahaman kita saat ini tentang pola cuaca untuk menghasilkan prediksi setiap enam jam, sehingga memberikan beberapa prakiraan cuaca paling akurat yang tersedia bagi dunia.

Sistem ini “dan prakiraan cuaca modern secara umum, merupakan kemenangan ilmu pengetahuan dan teknik,” tulis tim DeepMind.

Selama bertahun-tahun, metode berbasis fisika telah meningkat pesat dalam hal akurasi, sebagian berkat komputer yang lebih canggih. Namun hal ini tetap memakan waktu dan biaya.

Ini tidak mengherankan. Cuaca adalah salah satu sistem fisik paling kompleks di Bumi. Anda mungkin pernah mendengar tentang efek kupu-kupu: Seekor kupu-kupu mengepakkan sayapnya, dan perubahan kecil di atmosfer ini mengubah lintasan tornado. Meskipun hanya sebuah metafora, ini menangkap kompleksitas prediksi cuaca.

GraphCast mengambil pendekatan yang berbeda. Lupakan fisika, mari kita temukan pola pada data cuaca masa lalu saja.

Seorang Ahli Meteorologi AI

GraphCast dibangun berdasarkan jenis saraf jaringan yang sebelumnya telah digunakan untuk memprediksi sistem berbasis fisika lainnya, seperti dinamika fluida.

Ini memiliki tiga bagian. Pertama, pembuat enkode memetakan informasi yang relevan—misalnya, suhu dan ketinggian di lokasi tertentu—ke dalam grafik yang rumit. Anggap saja ini sebagai infografis abstrak yang mudah dipahami mesin.

Bagian kedua adalah prosesor yang belajar menganalisis dan meneruskan informasi ke bagian terakhir, decoder. Dekoder kemudian menerjemahkan hasilnya menjadi peta prediksi cuaca dunia nyata. Secara keseluruhan, GraphCast dapat memprediksi pola cuaca selama enam jam ke depan.

Tapi enam jam bukanlah 10 hari. Ini penendangnya. AI dapat belajar dari perkiraannya sendiri. Prediksi GraphCast dimasukkan kembali ke dalam dirinya sendiri sebagai masukan, memungkinkannya memprediksi cuaca secara progresif pada waktunya. Ini adalah metode yang juga digunakan dalam sistem prediksi cuaca tradisional, tulis tim tersebut.

GraphCast dilatih tentang data cuaca historis selama hampir empat dekade. Dengan mengambil strategi memecah belah dan menaklukkan, tim membagi planet ini menjadi bagian-bagian kecil, kira-kira berukuran 17 kali 17 mil di garis khatulistiwa. Hal ini menghasilkan lebih dari satu juta “titik” yang mencakup seluruh dunia.

Untuk setiap titik, AI dilatih dengan data yang dikumpulkan dua kali—satu saat ini, yang lainnya enam jam yang lalu—dan mencakup lusinan variabel dari permukaan dan atmosfer bumi—seperti suhu, kelembapan, serta kecepatan dan arah angin di berbagai ketinggian berbeda.

Pelatihan ini intensif secara komputasi dan membutuhkan waktu satu bulan untuk menyelesaikannya.

Namun, setelah dilatih, AI itu sendiri menjadi sangat efisien. Ini dapat menghasilkan perkiraan 10 hari dengan satu TPU dalam waktu kurang dari satu menit. Metode tradisional yang menggunakan superkomputer memerlukan komputasi berjam-jam, jelas tim tersebut.

Ray of Light

Untuk menguji kemampuannya, tim mengadu GraphCast dengan standar emas saat ini untuk prediksi cuaca.

AI lebih akurat hampir 90 persen. Teknologi ini sangat unggul jika hanya mengandalkan data dari troposfer—lapisan atmosfer yang paling dekat dengan Bumi dan sangat penting untuk prakiraan cuaca—mengalahkan persaingan sebanyak 99.7 persen. GraphCast juga mengungguli Pangu-Cuaca, model cuaca pesaing teratas yang menggunakan pembelajaran mesin.

Tim selanjutnya menguji GraphCast dalam beberapa skenario cuaca berbahaya: melacak siklon tropis, mendeteksi sungai di atmosfer, dan memprediksi panas dan dingin ekstrem. Meskipun tidak dilatih mengenai “tanda peringatan” tertentu, AI memberikan peringatan lebih awal dibandingkan model tradisional.

Model ini juga mendapat bantuan dari meteorologi klasik. Misalnya, tim menambahkan perangkat lunak pelacakan topan yang ada ke perkiraan GraphCast. Kombinasi tersebut membuahkan hasil. Pada bulan September, AI berhasil memprediksi lintasan Badai Lee saat menyapu Pantai Timur menuju Nova Scotia. Sistem ini secara akurat memperkirakan datangnya badai sembilan hari sebelumnya—tiga hari lebih cepat dibandingkan metode perkiraan tradisional.

GraphCast tidak akan menggantikan model berbasis fisika tradisional. Sebaliknya, DeepMind berharap hal ini dapat mendukung mereka. Pusat Prakiraan Cuaca Jangka Menengah Eropa sudah bereksperimen dengan model tersebut untuk melihat bagaimana hal itu dapat diintegrasikan ke dalam prediksi mereka. DeepMind juga berupaya meningkatkan kemampuan AI dalam menangani ketidakpastian—sebuah kebutuhan penting mengingat perilaku cuaca yang semakin tidak dapat diprediksi.

GraphCast bukan satu-satunya ahli cuaca AI. Peneliti DeepMind dan Google sebelumnya membuat dua daerah model yang secara akurat dapat meramalkan cuaca jangka pendek 90 menit atau 24 jam ke depan. Namun, GraphCast dapat melihat lebih jauh ke depan. Jika digunakan dengan perangkat lunak cuaca standar, kombinasi ini dapat memengaruhi keputusan mengenai keadaan darurat cuaca atau memandu kebijakan iklim. Setidaknya, kita mungkin merasa lebih yakin dengan keputusan membawa payung itu ke tempat kerja.

“Kami yakin ini menandai titik balik dalam prakiraan cuaca,” tulis para penulis.

Gambar Kredit: Google DeepMind

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/