GenCast AI merevolusikan ramalan cuaca dengan kelajuan dan ketepatan yang lebih tinggi

Kecerdasan buatan semakin maju dengan pesat dalam bidang meteorologi, dan Google DeepMind telah mencapai jadual dengan sistem inovatifnya, GenCast AI, yang direka untuk merevolusikan cara kita memahami dan meramalkan cuaca. Model ini bukan sahaja dipuji sebagai yang paling maju seumpamanya, tetapi juga berjanji untuk mengubah meteorologi seperti yang kita ketahui, berkat keupayaannya menjana ramalan dengan kelajuan dan ketepatan yang ditinggalkan oleh kaedah tradisional.

Apakah GenCast dan bagaimana ia membuat perbezaan?

GenCast ialah model kecerdasan buatan berdasarkan data sejarah dari 40 tahun yang lalu, dikumpulkan secara khusus antara 1979 dan 2018 oleh Pusat Eropah untuk Ramalan Cuaca Julat Sederhana (ECMWF). Tidak seperti model tradisional yang berdasarkan persamaan fizikal dan memerlukan superkomputer berkuasa untuk beroperasi, GenCast menonjol untuk pendekatan kebarangkaliannya. Ini bermakna ia bukan sahaja meramalkan satu senario, tetapi menawarkan pelbagai kemungkinan, memperuntukkan kebarangkalian kepada hasil iklim yang berbeza.

Ketepatan GenCast adalah luar biasa. Dalam ujian yang dijalankan dengan data dari 2019, model ini mengatasi sistem ECMWF ENS dalam 97.2% kes, mencapai ketepatan 99.8% dalam ramalan selama 36 jam. Angka-angka ini menjadikannya alat penting bukan sahaja untuk ramalan harian, tetapi juga untuk kejadian ekstrem seperti taufan, gelombang haba dan siklon tropika.

Kelebihan teknikal berbanding kaedah tradisional

Salah satu perkara yang paling mengagumkan tentang GenCast ialah keupayaannya untuk menjana ramalan 15 hari dalam hanya lapan minit menggunakan unit Google Cloud TPU v5. Ini berbeza dengan jam yang diperlukan oleh sistem tradisional, seperti ENS, pada superkomputer dengan berpuluh-puluh ribu pemproses. Penjimatan dalam sumber ini bukan sahaja mewakili kemajuan teknikal, tetapi juga meletakkannya sebagai alat yang boleh diakses untuk lebih banyak sektor dan negara yang mempunyai batasan teknologi.

GenCast menggunakan algoritma pemodelan resapan, teknologi yang turut memperkasakan alat penjanaan untuk imej dan teks. Penyesuaiannya untuk berfungsi dengan geometri sfera Bumi membolehkannya memahami interaksi kompleks antara pembolehubah atmosfera seperti tekanan, suhu, angin dan kelembapan. Selain itu, kapasiti kebarangkaliannya membantu mengurangkan ketidakpastian, memberikan ramalan yang lebih dipercayai walaupun dalam senario kritikal.

Aplikasi praktikal dan masa depan ramalan cuaca

Selain ketepatannya dalam keadaan yang melampau, GenCast mempunyai aplikasi praktikal yang jelas. Sektor seperti pengurusan kecemasan, pertanian dan perancangan tenaga boleh mendapat manfaat daripada ramalan yang lebih terperinci dan lebih pantas. Sebagai contoh, syarikat kuasa boleh menjangkakan perubahan dalam pengeluaran tenaga angin, manakala perkhidmatan kecemasan boleh lebih bersedia untuk ribut taufan dan ribut yang teruk.

Pada masa hadapan, model ini dijangka akan terus berkembang. Walaupun pada masa ini ia bergantung pada data sejarah untuk melatih ramalannya, saintis di sebalik GenCast sedang menyiasat kemungkinan menggunakan data pemerhatian yang lebih terkini, seperti kelembapan masa nyata dan bacaan angin, untuk meningkatkan lagi ketepatannya.

Model terbuka untuk masyarakat

Satu lagi aspek inovatif GenCast ialah keterbukaannya. Google telah memutuskan untuk menyediakan kod model dan data, membolehkan penyelidik dan institusi menggunakannya dan menyesuaikannya dengan keperluan khusus mereka. Ini bukan sahaja menggalakkan kerjasama global, tetapi juga memberi insentif kepada pembangunan aplikasi baharu dan penambahbaikan pada asas yang kukuh ini.

Walau bagaimanapun, pakar mengatakan masih terdapat beberapa cara untuk dilakukan sebelum model berasaskan AI boleh menggantikan pendekatan tradisional sepenuhnya. Walaupun GenCast menunjukkan potensi yang besar, ia masih menghadapi cabaran seperti menangkap dinamik fizikal kompleks tertentu, penting untuk fenomena jangka panjang.

GenCast sudah pun menandakan sebelum dan selepas dalam sektor meteorologi, menunjukkan bagaimana kecerdasan buatan boleh mengatasi batasan sistem tradisional, menawarkan ramalan yang lebih pantas, lebih tepat dan boleh diakses. Dengan keupayaannya untuk mengendalikan peristiwa ekstrem dan pendekatan terbukanya kepada komuniti saintifik, model ini menjanjikan untuk menjadi alat penting dalam memerangi cabaran iklim global.