Bagi mereka yang memperhatikan elemen-elemen tersebut, prospeknya cerah: para peneliti telah membangun peramal cuaca berbasis AI yang membuat prediksi lebih cepat dan akurat dibandingkan sistem terbaik yang ada saat ini.
GenCast, program cuaca kecerdasan buatan dari Google DeepMind, memiliki kinerja hingga 20% lebih baik dibandingkan perkiraan ENS oleh Pusat Prakiraan Cuaca Jangka Menengah Eropa (ECMWF), yang secara luas dianggap sebagai pemimpin dunia.
Dalam waktu dekat, GenCast diharapkan dapat mendukung prakiraan tradisional dibandingkan menggantikannya, namun bahkan dalam kapasitas tambahan, GenCast dapat memberikan kejelasan seputar ledakan dingin, gelombang panas, dan angin kencang di masa depan, serta membantu perusahaan listrik memperkirakan berapa banyak listrik yang akan mereka hasilkan dari prakiraan tersebut. kincir angin.
Dalam perbandingan head-to-head, program ini menghasilkan prakiraan yang lebih akurat dibandingkan ENS mengenai kondisi cuaca harian dan kejadian ekstrem hingga 15 hari sebelumnya, dan lebih baik dalam memprediksi jalur badai yang merusak dan siklon tropis lainnya. termasuk di mana mereka akan mendarat.
“Terobosan ENS menandai titik perubahan dalam kemajuan kecerdasan buatan untuk prediksi cuaca,” kata Ilan Price, seorang ilmuwan riset di Google Pikiran Dalam. “Setidaknya dalam jangka pendek, model-model ini akan menemani dan hidup berdampingan dengan pendekatan tradisional yang sudah ada.”
Peramal cuaca tradisional berbasis fisika memecahkan banyak persamaan untuk menghasilkan prediksi mereka, namun GenCast mempelajari bagaimana cuaca global berevolusi dengan melatih data historis selama 40 tahun yang dihasilkan antara tahun 1979 dan 2018. Ini termasuk kecepatan angin, suhu, tekanan, kelembapan, dan puluhan variabel lainnya pada ketinggian berbeda.
Berdasarkan data cuaca terkini, GenCast memperkirakan bagaimana kondisi di sekitar planet ini akan berubah dalam ukuran 28 km kali 28 km selama 15 hari ke depan dalam waktu 12 jam.
Meskipun perkiraan tradisional membutuhkan waktu berjam-jam untuk dijalankan pada superkomputer dengan puluhan ribu prosesor, GenCast hanya membutuhkan delapan menit pada satu Google Cloud TPU, sebuah chip yang dirancang untuk pembelajaran mesin. Detailnya adalah diterbitkan di Alam.
Google telah merilis serangkaian prakiraan cuaca bertenaga AI dalam beberapa tahun terakhir, hasil dari para peneliti yang mengambil berbagai pendekatan. Pada bulan Juli, perusahaan mengumumkan NeuralGCMyang menggabungkan kecerdasan buatan dan fisika tradisional untuk peramalan jangka panjang dan pemodelan iklim.
Pada tahun 2023, Google DeepMind memperkenalkan GraphCastyang menghasilkan satu perkiraan terbaik pada suatu waktu. GenCast dibangun di atas GraphCast dengan menghasilkan kumpulan 50 prakiraan atau lebih, menetapkan probabilitas untuk berbagai peristiwa cuaca mendatang.
Para peramal cuaca menyambut baik kemajuan tersebut. Stephen Ramsdale, kepala peramal cuaca di Kantor Meteorologi yang bertanggung jawab atas AI, mengatakan pekerjaan ini “menarik”, sementara juru bicara ECMWF menyebutnya sebagai “kemajuan signifikan”, dan menambahkan bahwa komponen GenCast digunakan dalam salah satu perkiraan AI mereka.
“Perkiraan cuaca berada di ambang perubahan mendasar dalam metodologi,” kata Sarah Dance, profesor asimilasi data di University of Reading.
“Hal ini membuka kemungkinan bagi layanan cuaca nasional untuk menghasilkan kumpulan prakiraan cuaca yang jauh lebih besar, memberikan perkiraan kepercayaan prakiraan yang lebih kuat, terutama untuk kejadian ekstrem.”
Namun masih ada pertanyaan. “Para penulis tidak membahas apakah sistem mereka memiliki realisme fisik untuk menangkap ‘efek kupu-kupu’, rangkaian ketidakpastian yang berkembang pesat, yang sangat penting untuk prediksi ansambel yang efektif,” kata Prof Dance.
“Perjalanan masih panjang sebelum pendekatan pembelajaran mesin sepenuhnya menggantikan perkiraan berbasis fisika,” tambahnya.
Data tempat GenCast dilatih menggabungkan observasi masa lalu dengan “umpan balik” berbasis fisika yang memerlukan matematika canggih untuk mengisi kesenjangan dalam data historis, katanya.
“Masih harus dilihat apakah pembelajaran mesin generatif dapat menggantikan langkah ini dan langsung beralih dari observasi mentah terbaru ke perkiraan 15 hari,” kata Dance.
Pertunjukannya menjanjikan, tetapi apakah “momen Michael Fish” akan segera terjadi? “Akankah Peramalan Kecerdasan Buatan Menjadi Kebal?” Kata Harga. “Semua model prediksi akan berpeluang membuat kesalahan, begitu pula GenCast.”
