Tie spochybňujú ortodoxnosť tradičných počítačových predpovedí založených na fyzike, ktoré sa postupne vyvíjali a zdokonaľovali po mnoho desaťročí.

Ale sú modely strojového učenia dobré?

Počasie je pre Britov národnou posadnutosťou a niet sa čomu čudovať vzhľadom na obrovské zmeny, ktoré sú viditeľné a citeľné zo dňa na deň. Presné predpovede počasia sú dôležité nielen pre plánovanie každodenného života, ale informovanosť o blížiacich sa nepriaznivých poveternostných podmienkach môže pomôcť zmeniť naše správanie, zachrániť životy a zmierniť škody na majetku.

Je nemožné úplne vyhodnotiť celkovú ekonomickú hodnotu predpovedí počasia na celosvetovej úrovni, ale čísla sú obrovské.

Podľa NOAA (National Oceanic and Atmospheric Administration – Národný úrad pre oceány a atmosféru) len v USA, a to len s prihliadnutím na najväčšie poveternostné katastrofy, ktoré spôsobili škody za viac ako 1 miliardu dolárov, dosiahli škody spôsobené nepriaznivým počasím v roku 2024 výšku 182 miliárd dolárov a 568 obetí. Od roku 1980 dosahuje táto suma škôd takmer 3 bilióny dolárov!

V Spojenom kráľovstve pritom v roku 2024 došlo k 1 311 úmrtiam spôsobeným vlnami horúčav. Štúdia externých konzultantov z London Economics dospela k záveru, že meteorologická služba Met Office by v priebehu desaťročia priniesla ekonomike Spojeného kráľovstva prínosy vo výške 56 miliárd libier, vďaka poskytovaniu meteorologických služieb.

Ak si tieto čísla vynásobíme na celom svete, kde je čoraz viac obyvateľov vystavených čoraz extrémnejšiemu počasiu spôsobenému zmenou klímy, počasie je veľký biznis.

Najväčšie počítače na svete

Tradičné predpovede počasia sa pripravujú na najväčších superpočítačoch na svete, zmluva s Met Office na superpočítače má hodnotu 1,2 miliardy libier. Za túto obrovskú sumu peňazí si môžete kúpiť stroj, ktorý dokáže vykonať 60 kvadriliónov výpočtov za sekundu, spustiť model obsahujúci pochopenú fyziku s viac ako miliónom riadkov kódu a použiť 215 miliárd pozorovaní počasia.

Globálne modely počasia fungujú na základe prepočítavania čísel v sieti políčok priamo okolo planéty. Veľkosť alebo rozlíšenie týchto boxov sa v rôznych meteorologických modeloch líši, ale pohybuje sa v rozmedzí približne od 10 km² do 28 km².

Model s najvyšším rozlíšením od Met Office, UKV (model, na ktorom beží grafika televízie BBC počas prvých 48 hodín), dokáže predpovedať prehánky s neuveriteľným rozlíšením 1,5 km, vyžaduje si to však toľko výpočtového času a výkonu, že tento model nie je schopný predpovedať počasie pre celý svet, namiesto toho sa sústreďuje na Spojené kráľovstvo a Európu.

Meteorologické modely založené na strojovom učení. Sú naozaj dobré?

Meteorologické modely založené na strojovom učení existujú len niekoľko rokov a prejavujú sľubné výsledky, pretože sa rýchlo vyvíjajú.

Spustenie tradičných modelov trvá hodiny na veľmi drahých superpočítačoch, avšak spustenie tohto nového druhu modelov na bežnom notebooku môže trvať menej ako minútu. Na svoje predpovede nepotrebujú poznať všetky „zaťažujúce“ fyzikálne zákony, ale namiesto toho sú vyškolené na základe 40-ročných údajov z minulosti.

Ako fungujú?

Pozrime sa na údaje z overovania predpovedí od ECMWF (European Centre for Medium Range weather Forecasting – Európske centrum pre strednodobé predpovede počasia) pre modely atmosférického tlaku v zime 2024/2025.

GraphCast (Google), AIFS (ECMWF) a Aurora (Microsoft) boli presnejšie ako tradičná benchmarková predpoveď IFS (ECMWF), zatiaľ čo FourCastNet (Nvidia) a Pangu-Weather (Huawei) zaostali.

Niektoré modely strojového učenia teda dosiahli lepšie a niektoré horšie výsledky, ale záleží na tom, na ktorú premennú sa pozeráte, a to všetko sa môže rýchlo zmeniť, pretože tempo pokroku sa zrýchľuje.

Rovnako ako tradičné modely, aj modely AI sú tým menej presné, čím ďalej do budúcnosti sa snažia predpovedať, je to dôsledok chaotickej povahy atmosféry. Pri pohľade na 10 dní dopredu žiadny z modelov AI (ani tradičných modelov) nedokázal ponúknuť predpovede, ktoré by sa považovali za veľmi užitočné z hľadiska presnosti.

Je teda čas opustiť fyzikálne modely počasia?

Ešte nie!

Meteorologické modely založené na strojovom učení sa nielenže trénujú na základe údajov vytvorených tradičnými modelmi počasia, ale ako vstupný bod používajú aj počiatočnú polohu atmosféry z tradičných modelov. Inými slovami, bez spustenia týchto tradičných modelov by modely strojového učenia nefungovali tak dobre.

Všetky modely strojového učenia dokážu veľmi dobre predpovedať vlastnosti vo veľkom meradle, ako je vysoký a nízky tlak šesť dní dopredu, ale v porovnaní s tradičnými modelmi v menšom meradle do 1000 km môžu dosahovať slabšie výsledky. To znamená, že by sa mohli prehliadnuť dôležité prvky, ako sú koryta a hrebene, ktoré by mohli spôsobiť rozdiel medzi suchým dňom a dňom s intenzívnym dažďom.

Väčšina modelov strojového učenia má rozlíšenie 28 km², čo je rovnaká mierka ako dáta, na ktorých boli trénované. To znamená, že malé javy, ako sú napríklad dažďové prehánky, by s najväčšou pravdepodobnosťou prehliadli, takže by neboli schopné predpovedať záplavy v Boscastle niekoľko dní vopred.

Novinové titulky tvrdili, že tieto nové modely sú pri predpovedaní hurikánov lepšie ako tradičné modely. Možno je pravda, že niektoré z nich boli o niečo lepšie v predpovedaní dopadu hurikánov na pevninu ako tradičné modely, ale zároveň boli veľmi slabé v predpovedaní sily vetra, a teda pravdepodobných škôd, ktoré by búrka spôsobila.

Môže to byť dôsledok spriemerovania, ktoré vzniká pri skúmaní veľkého množstva hurikánov v 40-ročných tréningových dátach. Modely umelej inteligencie môžu mať problém predpovedať účinky zriedkavých udalostí, ktoré sa v 40-ročných tréningových dátach nevyskytovali často. Príkladom je erupcia hory Pinatubo v roku 1991, ktorá na dva roky ochladila planétu až o 0,5 °C.

Existujú aj otázky, ako dobre budú modely umelej inteligencie predpovedať, v rámci globálneho otepľovania, keďže naša planéta sa v dôsledku klimatických zmien naďalej otepľuje. Minulá klíma, na ktorej sa trénovali, bude vyzerať úplne inak ako naša budúca klíma, pretože skleníkové plyny sa v atmosfére naďalej hromadia.

Kde teda budeme o päť rokov?

„Myslím si, že budeme mať tradičné modely fungujúce popri modeloch umelej inteligencie, aby sme mohli využívať ich spoločné silné stránky, aby sme umožnili predpovede s mimoriadnou presnosťou, ktoré budú poskytované rýchlo a vtedy, keď ich budeme potrebovať,“ hovorí profesorka Kirstine Daleová, vedúca pracovníčka pre umelú inteligenciu v Met Office.

Modely strojového učenia neexistujú veľmi dlho, ale vďaka svojej rýchlosti, počítačovej efektivite a rýchlemu tempu vývoja vykazujú veľký potenciál.

Prečítajte si tiež:

• Umelá inteligencia by v budúcnosti mohla predpovedať počasie, Microsoft predstavil AI model Aurora
• Prelom v cestovaní? Umelá inteligencia už dokáže za ľudí naplánovať dovolenku aj ponúknuť rezerváciu ubytovania
• Nahradí nás v práci umelá inteligencia? Sam Altman z OpenAI prezradil, že to môže nastať už tento rok