Stari vic kaže: biti meteorolog je jedini posao u kojem možete pogriješiti 50 posto vremena, a ipak zadržati svoj posao. Meteorologija se tijekom godina poboljšavala, no i dalje ostaje činjenica da je predvidjeti kakvo će vrijeme biti doista nezahvalan posao.

Meteorolozi moraju pratiti i uzeti u obzir više varijabli, od temperature preko vlažnosti do tlaka zraka. Ti uvjeti mogu drastično varirati, stoga je predviđanje kakvo će vrijeme biti poput kakvog pokušaja pogađanja mete u pokretu koja istovremeno mijenja oblik, veličinu i konzistenciju.

Trenutno je jedan od najboljih i najčešćih načina numeričko predviđanje vremena. To je metoda korištenja jednadžbi za simulaciju fizike i dinamike fluida budućih atmosferskih uvjeta. Taj intenzivan način predviđanja zahtijeva puno energije i resursa, među ostalim i vrlo snažna računala kao pomoć u modeliranju.

Za simulaciju tih predviđanja još uvijek su potrebni dani, ovisno o tome koliko daleko se stvari predviđaju. Točnost predviđanja opada što se dalje pokušava predvidjeti. To često postaje velik problem, posebno za prirodne katastrofe poput uragana ili tornada, kada su podaci potrebni što prije, a svaka sekunda može značiti razliku, pogotovo kad je riječ o sigurnosti ljudi.

Zato su se znanstvenici počeli okretati umjetnoj inteligenciji za pomoć u prognoziranju vremena. U dva rada objavljena 5. srpnja u časopisu Nature, istraživači opisuju dvije nove metode stvaranja vrlo preciznih i brzih vremenskih predviđanja do šest dana unaprijed. Pristupi bi mogli znatno ubrzati predviđanje i ekstremnih vremenskih prilika.

'AI nudi nove mogućnosti za numeričko predviđanje vremena', rekao je Lingxi Xie, viši istraživač u kineskoj tehnološkoj tvrtki Huawei i koautor jednog od radova, za The Daily Beast. 'AI neće zamijeniti tradicionalne metode, već će biti integriran s tim metodama u hibridni sustav predviđanja', pojasnio je te dodao:

'Zalažemo se za to da meteorolozi prihvate metode umjetne inteligencije i novu priliku kako bismo zajedno mogli poboljšati ljudske vještine prognoziranja vremena.'

Dvije nove metode

Prvi rad opisuje AI model nazvan Pangu-Weather, koji je kreirao Huawei. Ovaj sustav može predvidjeti globalne vremenske prilike do tjedan dana unaprijed. Model je uvježban korištenjem 39 godina podataka o vremenu globalne reanalize, što je kombinacija povijesnih podataka o vremenu s modelima predviđanja.

Lingxi je rekao da Pangu-Weather 'nadmašuje točnost konvencionalnih metoda temeljenih na fizici u ponovnoj analizi vremenskih podataka'. Dodao je da je to 10.000 puta brže od konvencionalnih metoda, a one bi trebale moći skratiti vrijeme potrebno za analizu i prognozu vremena sa sati ili dana na – sekunde.

Povrh toga, autori rada također su rekli da je model često točniji od tradicionalnih sustava za predviđanje vremena te da je mogao pratiti putanju tropskog ciklona – iako uopće nije bio obučen na toj vrsti podataka. Ovaj fenomen je poznat kao pojavno ponašanje: kada tehnologija ili sustav izvrši radnju koja nije namjerno programirana u njega.

Drugi rad opisuje AI model nazvan NowcastNet, a on predviđa kratkoročne prognoze do šest sati unaprijed i može dati točnije i detaljnije informacije o trenutnim vremenskim podacima promatranja. Naime 62 profesionalna meteorologa procijenila su model i rangirala ga na prvo mjesto u 70 posto slučajeva u usporedbi s drugim metodama vremenske prognoze.

'NowcastNet pruža vješte prognoze za slabu do jaku kišu, posebno za ekstremne padavine praćene advektivnim ili konvektivnim procesima koji su se prije smatrali nesavladivima', napisali su autori studije. Iako bi se to na prvi pogled moglo činiti manje korisnim, autori studije rekli su da može biti nevjerojatno korisno kada je riječ o prevenciji katastrofa u situacijama 'ekstremnih oborina'. Da ste imali šest sati da se pripremite za potencijalnu iznenadnu poplavu, mogli biste evakuirati određene regije i četvrti – ili barem dodatno upozoriti ljude.

Pomoć umjetne inteligencije

Umjetna inteligencija već pomaže u poboljšanju prognoza uragana, potencijalnih tornada, rizika od poplava i drugih vremenskih neprilika i prijetnji. No meteorolozi se još uvijek bore s time kako u potpunosti integrirati AI modele u dnevne prognoze i koliko vjerovati novim predviđanjima.

Vremenski modeli koje generira umjetna inteligencija brži su i jeftiniji od konvencionalnih modela kojima upravljaju vlade te imaju potencijal pomoći meteorolozima da povećaju točnost i omoguće ranija upozorenja u periodu češćih i katastrofalnijih vremenskih ekstrema.

Unatoč napisima da će roboti ukrasti posao meteorologa ili čak 'iskoristiti katastrofalno nevrijeme kako bi nas sve pobili', u stvarnosti će modeli poput NowcastNeta i Pangu-Weathera postati više kao dodatni alat koji meteorolozi mogu koristiti, nego što će u potpunosti zamijeniti njihove uloge.

Nick Lilja, atmosferski znanstvenik i meteorolog za NickelBlock Forecasting, kaže da meteorolozi poput njega već redovito koriste mnoštvo AI alata za pomoć u modeliranju vremena. Međutim sustavi Pangu-Weather i Nowcast Net predstavljaju ogromno poboljšanje u odnosu na one trenutne ako se doista pokažu točnima i brzima, a to još nije sasvim dokazano.

'Ipak bih volio vidjeti da se provodi sve više istraživanja kako bi se osigurala točnost u svim situacijama, a ne samo u nekoliko situacija koje su prikazane u jednom dokumentu', rekao je Lilja. Ipak, dodao je kako su oba modela sama po sebi nevjerojatno postignuće. Još uvijek postoji mnogo ograničenja i potrebno je još posla prije nego što se ti modeli mogu učinkovito upotrijebiti za predviđanje ekstremnih vremenskih događaja, ali to je 'fantastičan početak', smatra meteorolog.

AI bi tako mogao igrati veliku ulogu u tome da vam pomogne izbjeći smrtonosni uragan ili tornado jednog dana.

Sazrijevanje AI vremenskih modela dolazi desetljeće nakon što je rivalstvo između teškaša u konvencionalnim vremenskim modelima – 'europskog modela' i 'američkog modela' – prvi put postalo mainstream. Čini se da je sada novi val modela umjetne inteligencije, većinom razvijen u privatnom sektoru, jednak ili premašuje performanse konvencionalnih modela kojima upravljaju vodeće svjetske meteorološke agencije.

No još uvijek je predmet rasprave to bi li i kada modeli umjetne inteligencije mogli postati primarni alati koje meteorolozi koriste za izradu prognoza. Stručnjaci kažu da to ne ovisi samo o tome koliko se lako komercijalno razvijeni modeli umjetne inteligencije mogu prenijeti u rad, već i hoće li im vjerovati i prihvatiti ih čelnici vladinih agencija i prognostičari.

'Čini se da najinovativniji rad na samom modeliranju sada više dolazi od privatnih tvrtki nego od državnih meteoroloških službi', smatra Dale Durran, profesor atmosferskih znanosti sa Sveučilišta u Washingtonu, koji je pomogao izgraditi jedan od najranijih modela strojnog učenja za vremensku prognozu.

Spašeni životi, sustavi ranog upozoravanja i ekonomska korist

Nacionalna uprava za oceane i atmosferu procjenjuje troškove najekstremnijih vremenskih i klimatskih katastrofa koje su pogodile Sjedinjene Države u proteklih sedam godina na više od bilijun dolara. Globalno, Svjetska banka procjenjuje da bi, osim spašavanja desetaka tisuća života, poboljšane prognoze i sustavi ranog upozoravanja mogli donijeti godišnju ekonomsku korist od 162 milijarde dolara.

Prognoze uragana najbolji su primjer kako postignutog napretka, tako i izazova koji ostaju. Podaci Nacionalnog centra za uragane pokazuju stalan porast u točnosti prognoza praćenja uragana. Prognoze intenziteta također su poboljšane.

Oborine su još jedno područje u kojem i dalje postoje veliki izazovi u predviđanju. U dokumentu NOAA-e koji ocrtava svoju strategiju za predviđanje oborina kaže se da, za razliku od prognoza temperature, koje su se 'uvelike poboljšale u posljednjih nekoliko desetljeća', prognoze oborina nisu napravile isti napredak.

Novi pristup predviđanju je vrlo skup

Računalni modeli prvi su počeli proizvoditi korisne vremenske prognoze 1950-ih na temelju složenih matematičkih jednadžbi koje opisuju dnevnu evoluciju atmosfere. Pokretanje ovih modela zahtijeva ogromnu procesorsku snagu, a njihova nadogradnja skup je proces koji može trajati godinama. U međuvremenu, nova superračunala, poput onoga koje je UK Met Office kupio od Microsofta 2021., mogu koštati više od milijardu dolara.

AI-jev pristup predviđanju je nov. Modeli umjetne inteligencije prvo se obučavaju na golemim količinama povijesnih podataka koje analiziraju kako bi pronašli odnose između prošlih opažanja ili predviđanja i uvjeta koji su uslijedili. Da bi napravili prognozu, uzimaju uvjete ili prognoze iz konvencionalnih modela, a zatim primjenjuju ono što su naučili iz prošlosti. Koncept se ne razlikuje od načina na koji meteorolozi koriste svoje iskustvo da bi predvidjeli kako bi vrijeme moglo odstupiti od prognoze modela, ali umjetna inteligencija to čini u mjerilu i brzini nemogućima za ljudski mozak.

Jednom obučeni, AI modeli mogu generirati prognoze za nekoliko sekundi do nekoliko minuta na stolnom računalu, u usporedbi s više od sata na velikim superračunalima za većinu konvencionalnih modela. Ponovno uvježbavanje modela umjetne inteligencije na nedavnim podacima traje samo nekoliko sati do nekoliko tjedana, potencijalno ubrzavajući ono što je povijesno bio stabilan – ali relativno spor – tempo poboljšanja predviđanja.

Uglavnom privatni sektor pokreće razvoj ovih ambicioznijih globalnih AI sustava predviđanja vremena. Jedan od takvih modela, nazvan GraphCast, razvio je Google DeepMind, Googleov londonski istraživački laboratorij za umjetnu inteligenciju. GraphCast može generirati prognozu za 10 dana u manje od minute i utvrđeno je da je oko 10 do 30 posto točniji od europskog modela, prema članku objavljenom u prosincu u online bazi podataka arXiv.

'Neko vrijeme mislim da su ljudi u meteorološkoj zajednici vjerojatno mislili da AI nikada neće moći biti na točki u kojoj se može natjecati s tradicionalnim pristupom', rekao je viši istraživač Google DeepMinda Rémi Lam. 'Mislim da smo na točki u kojoj zajednica meteorologa sada obraća pozornost i smatra da se ovdje nešto događa', dodao je.

Meteorološke službe počinju uviđati snagu umjetne inteligencije

Za uragan Ian pokazalo se da je jedan model bio točniji u svakom koraku od službene prognoze Centra za uragane. Bio je to hibridni HCCA model koji spaja ulazne podatke iz više njih i koristi strojno učenje kako bi se oslanjao na one s boljim rezultatima u prošlim prognozama.

Drugi hibridni AI model, razvijen na Državnom sveučilištu Colorado, uči iz prošlih prognoza i provjerenih slučajeva lošeg vremena kako bi predvidio jaku kišu, veliku tuču, oluje s grmljavinom i tornada do osam dana unaprijed. Te informacije koriste meteorolozi u Centru za predviđanje oluja Nacionalne meteorološke službe kako bi izdali pouzdanije prognoze ozbiljnih vremenskih nepogoda, osobito u duljim periodima.

'Prognostičarima su dostupne vrlo ograničene informacije o vremenu od četiri do osam dana, u osnovi samo informacije o mogućim olujnim okruženjima', rekao je profesor atmosferskih znanosti sa Sveučilišta Colorado State, Russ Schumacher, voditelj tim koji je razvio model. 'Stoga je mogućnost korištenja strojnog učenja za pružanje stvarne vjerojatnosti lošeg vremena veliki napredak', ustvrdio je.

Drugi hibridni modeli umjetne inteligencije u razvoju na sveučilištima i u istraživačkim laboratorijima usmjereni su na poboljšanje prognoza za razne vremenske i klimatske pojave, uključujući poplave, munje, toplinske valove, sušu i zimske vrste oborina.

Ključ brzine usvajanja modela umjetne inteligencije može djelomično ovisiti o tome koliko brzo je tehnologija prihvaćena, posebno među čelnicima vladinih agencija i prognostičarima koji su proveli godine svladavajući konvencionalne modele. 'Zabrinutost zbog umjetne inteligencije često je zato što je to crna kutija, u koju samo unesete neke brojeve i dobijete brojeve, a ne znate kako proces funkcionira između toga', rekao je Schumacher.

Startupi iz Europe

'Napredak modela čistog strojnog učenja bio je prilično nevjerojatan u posljednjih šest mjeseci i mnogi su znanstvenici na tom polju bili iznenađeni kvalitetom predviđanja', rekao je Peter Dueben, voditelj modeliranja Zemljinog sustava u Europskom centru. 'Međutim još uvijek moramo steći više iskustva u radu s ovim modelima', ustvrdio je.

Hendrik Tolman, viši savjetnik Nacionalne meteorološke službe za napredne sustave modeliranja, imao je slično mišljenje. 'Rezultati ovakvih pristupa su nevjerojatni. Međutim za svakodnevne operacije jednostavno nemamo dovoljno iskustva s takvim pristupima da bismo mogli imati jasan put naprijed', rekao je Tolman.

Dok upotreba hibridnih AI modela postupno raste, napredak i zamah čistih AI globalnih modela privlači sve veću pozornost, ali i pitanja vodećih vladinih centara za prognoze. I NOAA i Europski centar za srednjoročne vremenske prognoze, koji upravljaju američkim i europskim modelima, kažu da su u kontaktu ili surađuju s barem nekim tvrtkama koje izrađuju modele umjetne inteligencije da bi istražili kako se oni mogu koristiti u operacijama.

Jedan od izazova je taj što NOAA, Europski centar i drugi nacionalni centri za predviđanje nisu smislili kako atmosferska promatranja koja se koriste za pokretanje konvencionalnih modela učiniti dostupnima AI modelima u stvarnom vremenu.

Startupi za AI vremenske prilike Atmo i Jua sa sjedištem u Zürichu kažu da su razvili vlastite podatkovne kanale i da već koriste samostalne AI modele. Atmo je u svibnju najavio 'prvu globalnu vremensku prognozu uživo temeljenu na umjetnoj inteligenciji'. Njegove kupce čine i američke zračne snage i zemlje koje si ne mogu priuštiti konvencionalne modele. 'U biti mislimo da je sada moguće koristiti AI meteorološki model kako bi se omogućilo svakoj zemlji i regiji da upravlja vlastitom prognozom', rekao je izvršni direktor Atma Alexander Levy.

Levy i drugi stručnjaci ističu modeliranje ansambla kao jednu od aplikacija umjetne inteligencije koja najviše obećava. U skupnom modeliranju isti se model pokreće više puta, svaki put počevši s blago prilagođenim početnim atmosferskim uvjetima kako bi se predstavile nesigurnosti i aproksimacije koje je napravio model. Rezultat je niz mogućih ishoda, a ne jedna prognoza, koju meteorolozi koriste kako bi odredili koja je prognoza najvjerojatnija i procijenili pouzdanost.

'Ljudski element ostaje važan'

Budući da je generiranje skupne prognoze s konvencionalnim modelima dugotrajno i skupo, postojeći sustavi mogu napraviti samo do oko 50 simulacija. Brzina i učinkovitost umjetne inteligencije mogle bi omogućiti skupove koji generiraju stotine ili čak tisuće simulacija u samo nekoliko minuta.

Veći ansambli mogli bi posebno imati koristi od onoga što je poznato kao međusezonske prognoze, koje predviđaju trendove temperature i padalina od dva tjedna do dva mjeseca u budućnosti. Takva su predviđanja važna za mnoge industrije, uključujući poljoprivredu, energetiku i upravljanje vodom. Budući da prognostičari počinju sve češće koristiti modele umjetne inteligencije, Schumacher je optimističan te smatra da sustavi mogu postati vjerodostojniji i više transparentni.

Pod tim misli na 'objašnjivu umjetnu inteligenciju', čiji je cilj pomoći ljudima da bolje razumiju kako i zašto model umjetne inteligencije dolazi do određenog zaključka. U slučaju vremenskog modela umjetne inteligencije, više transparentan sustav mogao bi identificirati smjer vjetra, vlažnost i tlak kao najvažnije prediktore jakih grmljavinskih oluja.

Schumacher sugerira da prognostičari mogu izgraditi povjerenje s modelima umjetne inteligencije na isti način na koji to čine s konvencionalnim modelima, 'pomno ih promatrajući kako bi identificirali gdje to uspijeva i gdje ne uspijeva'.

Što se tiče toga trebaju li meteorolozi biti zabrinuti zbog toga što im AI preuzima posao, atmosferski znanstvenik Daniel Rothenberg tvrdi da će ljudski element u predviđanju uvijek ostati važan. 'Ljudi su ključni za prilagođavanje komunikacije i učinkovito informiranje dionika, posebno u složenim hitnim ili teškim situacijama, u kojima su pravovremenost, točnost i sposobnost djelovanja i povjerenje najvažniji', rekao je Rothenberg.