Google DeepMind AI ช่วยให้พยากรณ์อากาศ 10 วันได้อย่างแม่นยำ

ปีนี้เป็น ขบวนพาเหรดดุ๊กดิ๊ก จากเหตุการณ์สภาพอากาศสุดขั้ว ความร้อนอย่างที่ไม่เคยเกิดขึ้นมาก่อนแผ่ปกคลุมโลก ฤดูร้อนนี้ เป็นที่ร้อนที่สุดในโลก ตั้งแต่ปี 1880 ตั้งแต่น้ำท่วมฉับพลันในแคลิฟอร์เนีย พายุน้ำแข็งในเท็กซัส ไปจนถึงไฟป่าทำลายล้างในเมาอิและแคนาดา เหตุการณ์ที่เกี่ยวข้องกับสภาพอากาศส่งผลกระทบอย่างลึกซึ้งต่อชีวิตและชุมชน

ทุกวินาทีมีความสำคัญในการทำนายเหตุการณ์เหล่านี้ เอไอสามารถช่วยได้

สัปดาห์นี้ Google DeepMind ปล่อย AI ที่ให้การพยากรณ์อากาศ 10 วันด้วยความแม่นยำและรวดเร็วอย่างที่ไม่เคยมีมาก่อน แบบจำลองนี้เรียกว่า GraphCast ซึ่งสามารถหมุนจุดข้อมูลที่เกี่ยวข้องกับสภาพอากาศหลายร้อยจุดสำหรับตำแหน่งที่กำหนด และสร้างการคาดการณ์ได้ภายในไม่ถึงนาที เมื่อถูกท้าทายด้วยรูปแบบสภาพอากาศที่เป็นไปได้มากกว่าพันรูปแบบ AI เอาชนะระบบที่ล้ำสมัยได้ประมาณ 90 เปอร์เซ็นต์ของเวลาทั้งหมด

แต่ GraphCast ไม่ใช่แค่การสร้างแอปสภาพอากาศที่แม่นยำยิ่งขึ้นสำหรับการเลือกตู้เสื้อผ้าเท่านั้น

แม้ว่าจะไม่ได้รับการฝึกฝนอย่างชัดเจนให้ตรวจจับรูปแบบสภาพอากาศสุดขั้ว แต่ AI ก็หยิบยกเหตุการณ์บรรยากาศหลายอย่างที่เชื่อมโยงกับรูปแบบเหล่านี้ เมื่อเปรียบเทียบกับวิธีการก่อนหน้านี้ ระบบจะติดตามวิถีโคจรของพายุไซโคลนได้แม่นยำยิ่งขึ้น และตรวจพบแม่น้ำในชั้นบรรยากาศ ซึ่งเป็นบริเวณที่มีความแข็งแรงในชั้นบรรยากาศที่เกี่ยวข้องกับน้ำท่วม

GraphCast ยังทำนายการเริ่มมีอุณหภูมิสุดขั้วได้ล่วงหน้าก่อนวิธีปัจจุบัน กับ ปี 2024 จะร้อนยิ่งขึ้นไปอีก และเหตุการณ์สภาพอากาศสุดขั้วที่เพิ่มขึ้น การคาดการณ์ของ AI อาจทำให้ชุมชนมีเวลาอันมีค่าในการเตรียมตัวและอาจช่วยชีวิตผู้คนได้

“ปัจจุบัน GraphCast เป็นระบบพยากรณ์อากาศทั่วโลก 10 วันที่แม่นยำที่สุดในโลก และสามารถทำนายเหตุการณ์สภาพอากาศสุดขั้วในอนาคตได้ไกลกว่าที่เคยเป็นไปได้” ผู้เขียน เขียน ในบล็อกโพสต์ของ DeepMind

วันฝนตก

การพยากรณ์รูปแบบสภาพอากาศ แม้จะเพียงหนึ่งสัปดาห์ข้างหน้า ถือเป็นปัญหาเก่าแต่ท้าทายอย่างยิ่ง เราตัดสินใจหลายอย่างโดยใช้การคาดการณ์เหล่านี้ บางอย่างฝังอยู่ในชีวิตประจำวันของเรา: วันนี้ฉันควรคว้าร่มไหม? การตัดสินใจอื่นๆ ได้แก่ ความเป็นหรือความตาย เช่น เมื่อมีการออกคำสั่งให้อพยพหรือให้ที่พักพิง

ซอฟต์แวร์พยากรณ์ปัจจุบันของเราอิงตามแบบจำลองทางกายภาพของชั้นบรรยากาศโลกเป็นส่วนใหญ่ จากการตรวจสอบฟิสิกส์ของระบบสภาพอากาศ นักวิทยาศาสตร์ได้เขียนสมการจำนวนหนึ่งจากข้อมูลหลายทศวรรษ ซึ่งจากนั้นจะถูกป้อนเข้าสู่ซูเปอร์คอมพิวเตอร์เพื่อสร้างการพยากรณ์

ตัวอย่างที่โดดเด่นคือระบบพยากรณ์แบบบูรณาการที่ศูนย์พยากรณ์อากาศช่วงกลางแห่งยุโรป ระบบใช้การคำนวณที่ซับซ้อนตามความเข้าใจในปัจจุบันของเราเกี่ยวกับรูปแบบสภาพอากาศเพื่อปั่นการคาดการณ์ทุกๆ หกชั่วโมง เพื่อให้โลกได้รับข้อมูลพยากรณ์อากาศที่แม่นยำที่สุด

ระบบนี้ “และการพยากรณ์อากาศสมัยใหม่โดยทั่วไปถือเป็นชัยชนะของวิทยาศาสตร์และวิศวกรรมศาสตร์” ทีม DeepMind เขียน

ในช่วงหลายปีที่ผ่านมา วิธีการที่ใช้ฟิสิกส์ได้รับการปรับปรุงอย่างรวดเร็วในด้านความแม่นยำ ส่วนหนึ่งต้องขอบคุณคอมพิวเตอร์ที่ทรงพลังมากขึ้น แต่ยังคงใช้เวลานานและมีค่าใช้จ่ายสูง

นี่ไม่น่าแปลกใจเลย สภาพอากาศเป็นระบบทางกายภาพที่ซับซ้อนที่สุดในโลกระบบหนึ่ง คุณอาจเคยได้ยินเกี่ยวกับปรากฏการณ์ผีเสื้อ: ผีเสื้อกระพือปีก และการเปลี่ยนแปลงเล็กๆ น้อยๆ ในบรรยากาศนี้ทำให้วิถีพายุทอร์นาโดเปลี่ยนแปลงไป แม้ว่าจะเป็นเพียงแค่อุปมาอุปไมย แต่ก็รวบรวมความซับซ้อนของการพยากรณ์อากาศได้

GraphCast ใช้แนวทางที่แตกต่างออกไป ลืมฟิสิกส์ไปได้เลย เรามาค้นหารูปแบบในข้อมูลสภาพอากาศในอดีตเพียงอย่างเดียวกันดีกว่า

นักอุตุนิยมวิทยา AI

GraphCast สร้างจากประเภทของ เครือข่ายประสาท ที่ก่อนหน้านี้เคยใช้ในการทำนายระบบที่ใช้ฟิสิกส์เป็นหลัก เช่น พลศาสตร์ของไหล

มันมีสามส่วน ขั้นแรก ตัวเข้ารหัสจะจับคู่ข้อมูลที่เกี่ยวข้อง เช่น อุณหภูมิและระดับความสูง ณ ตำแหน่งใดตำแหน่งหนึ่ง ลงบนกราฟที่ซับซ้อน คิดว่านี่เป็นอินโฟกราฟิกเชิงนามธรรมที่เครื่องจักรสามารถเข้าใจได้ง่าย

ส่วนที่สองคือตัวประมวลผลซึ่งเรียนรู้ที่จะวิเคราะห์และส่งข้อมูลไปยังส่วนสุดท้ายคือตัวถอดรหัส จากนั้นตัวถอดรหัสจะแปลผลลัพธ์เป็นแผนที่พยากรณ์อากาศในโลกแห่งความเป็นจริง โดยรวมแล้ว GraphCast สามารถทำนายรูปแบบสภาพอากาศในอีกหกชั่วโมงข้างหน้าได้

แต่หกชั่วโมงไม่ใช่ 10 วัน นี่นักเตะนะ AI สามารถเรียนรู้จากการคาดการณ์ของตัวเองได้ การคาดการณ์ของ GraphCast จะถูกป้อนกลับเข้าไปในตัวมันเองเป็นอินพุต ทำให้สามารถคาดการณ์สภาพอากาศเพิ่มเติมได้ทันเวลามากขึ้น เป็นวิธีที่ใช้ในระบบพยากรณ์อากาศแบบดั้งเดิมด้วย ทีมงานเขียน

GraphCast ได้รับการฝึกอบรมเกี่ยวกับข้อมูลสภาพอากาศในอดีตเกือบสี่ทศวรรษ ด้วยการใช้กลยุทธ์แบ่งแยกและพิชิต ทีมงานได้แบ่งดาวเคราะห์ดวงนี้ออกเป็นหย่อมๆ ประมาณ 17 x 17 ไมล์ที่เส้นศูนย์สูตร ส่งผลให้เกิด “จุด” มากกว่าหนึ่งล้านจุดทั่วโลก

สำหรับแต่ละจุด AI ได้รับการฝึกด้วยข้อมูลที่รวบรวมในสองครั้ง กระแสหนึ่ง และอีกหกชั่วโมงที่แล้ว และรวมตัวแปรหลายสิบตัวจากพื้นผิวและชั้นบรรยากาศของโลก เช่น อุณหภูมิ ความชื้น ความเร็วและทิศทางลมที่ระดับความสูงต่างๆ มากมาย

การฝึกอบรมเน้นการคำนวณและใช้เวลาหนึ่งเดือนจึงจะเสร็จสิ้น

แต่เมื่อได้รับการฝึกฝนแล้ว AI เองก็มีประสิทธิภาพสูงเช่นกัน สามารถสร้างการคาดการณ์ 10 วันด้วย TPU เดียวภายในไม่ถึงนาที วิธีการแบบเดิมที่ใช้ซูเปอร์คอมพิวเตอร์ใช้เวลาในการคำนวณหลายชั่วโมง ทีมงานอธิบาย

รังสีของแสง

เพื่อทดสอบความสามารถ ทีมงานได้ทดสอบ GraphCast เทียบกับมาตรฐานทองคำในปัจจุบันสำหรับการพยากรณ์อากาศ

AI มีความแม่นยำมากขึ้นเกือบ 90 เปอร์เซ็นต์ของเวลาทั้งหมด โดยเฉพาะอย่างยิ่งเมื่ออาศัยเฉพาะข้อมูลจากชั้นบรรยากาศชั้นโทรโพสเฟียร์ ซึ่งเป็นชั้นบรรยากาศที่อยู่ใกล้กับโลกมากที่สุดและมีความสำคัญต่อการพยากรณ์อากาศ เอาชนะคู่แข่งได้ถึง 99.7 เปอร์เซ็นต์ของเวลาทั้งหมด GraphCast ยังมีประสิทธิภาพเหนือกว่าอีกด้วย ปังกู-สภาพอากาศซึ่งเป็นโมเดลสภาพอากาศชั้นนำที่ใช้การเรียนรู้ของเครื่อง

ทีมงานได้ทดสอบ GraphCast ในสถานการณ์สภาพอากาศที่เป็นอันตรายหลายครั้ง เช่น ติดตามพายุหมุนเขตร้อน ตรวจจับแม่น้ำในชั้นบรรยากาศ และทำนายความร้อนและความเย็นจัด แม้ว่าจะไม่ได้รับการฝึกอบรมเกี่ยวกับ "สัญญาณเตือน" โดยเฉพาะ แต่ AI ก็ส่งสัญญาณเตือนเร็วกว่ารุ่นทั่วไป

แบบจำลองนี้ยังได้รับความช่วยเหลือจากอุตุนิยมวิทยาคลาสสิกอีกด้วย ตัวอย่างเช่น ทีมงานได้เพิ่มซอฟต์แวร์ติดตามพายุไซโคลนที่มีอยู่ลงในการคาดการณ์ของ GraphCast การรวมกันนี้จ่ายออกไป ในเดือนกันยายน AI ทำนายวิถีพายุเฮอริเคนลีได้สำเร็จเมื่อพัดขึ้นชายฝั่งตะวันออกมุ่งหน้าสู่โนวาสโกเชีย ระบบคาดการณ์การเกิดพายุอย่างแม่นยำล่วงหน้าเก้าวัน ซึ่งเร็วกว่าวิธีการพยากรณ์แบบดั้งเดิมถึงสามวัน

GraphCast จะไม่แทนที่โมเดลที่ใช้ฟิสิกส์แบบดั้งเดิม แต่ DeepMind หวังว่าจะสามารถสนับสนุนพวกเขาได้ ศูนย์ยุโรปเพื่อการพยากรณ์อากาศระยะกลาง กำลังทดลองใช้โมเดลอยู่แล้ว เพื่อดูว่าจะสามารถรวมเข้ากับการคาดการณ์ของพวกเขาได้อย่างไร DeepMind ยังทำงานเพื่อปรับปรุงความสามารถของ AI ในการจัดการกับความไม่แน่นอน ซึ่งเป็นความต้องการที่สำคัญเนื่องจากพฤติกรรมที่คาดเดาไม่ได้ของสภาพอากาศที่เพิ่มมากขึ้น

GraphCast ไม่ใช่นักอุตุนิยมวิทยา AI คนเดียว ก่อนหน้านี้นักวิจัย DeepMind และ Google ได้สร้างสองสิ่งนี้ขึ้นมา ของแคว้น โมเดล ที่สามารถพยากรณ์สภาพอากาศระยะสั้นล่วงหน้า 90 นาที หรือ 24 ชั่วโมงได้อย่างแม่นยำ อย่างไรก็ตาม GraphCast สามารถมองไปข้างหน้าได้ไกลยิ่งขึ้น เมื่อใช้กับซอฟต์แวร์สภาพอากาศมาตรฐาน การรวมกันอาจส่งผลต่อการตัดสินใจเกี่ยวกับเหตุฉุกเฉินด้านสภาพอากาศหรือเป็นแนวทางในนโยบายสภาพภูมิอากาศ อย่างน้อยเราก็อาจจะรู้สึกมั่นใจมากขึ้นในการตัดสินใจนำร่มคันนั้นมาใช้งาน

“เราเชื่อว่านี่เป็นจุดเปลี่ยนในการพยากรณ์อากาศ” ผู้เขียนเขียน

เครดิตภาพ: Google DeepMind

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/