Buzz
Lĩnh vực dự báo khí tượng thuỷ văn đã có sự phát triển đáng kể, từ những thời kỳ sơ khai đầu tiên, dựa trên các 'tín hiệu vũ trụ' như chu kỳ của mặt trăng, mây, và màu trời, đến các phương pháp hiện đại sử dụng toán học trên các hiện tượng khí tượng. Tuy nhiên, dù công nghệ dự đoán có tiến bộ, nhưng vẫn cần sự can thiệp của con người để đưa ra những kết luận chính xác nhất.
Nhìn chung, hiện nay, những sự kiện thời tiết thông thường như mưa, áp thấp nhiệt đới,... có thể được dự đoán chính xác dựa trên việc gom dữ liệu dấu hiệu và tính toán. Tuy dự đoán mưa từ năm 1990 vẫn tốt, và tỷ lệ dự đoán áp thấp cũng cải thiện hơn 50% trong 30 năm qua.
Tuy nhiên, vẫn có một hiện tượng khó dự đoán kịp thời, đó là thunderstorm hay bão với giông tố và sấm sét. Ví dụ như bão Noru hình thành vội vàng, không thể đoán trước dẫn đến tình hình khẩn cấp tại Philippines vì thiếu chuẩn bị kỹ lưỡng.
Sử dụng AI và máy học (Machine Learning) trong dự đoán bãoHiện nay, phương pháp dự đoán thời tiết chủ yếu dựa trên mô hình số liệu thời tiết để đưa ra dự báo. Mô hình này hoạt động dựa trên quan sát thông tin thời tiết hiện tại từ các trạm thời tiết, vệ tinh,... để phân tích động đồ của không khí và đưa ra dự đoán thời tiết.
Mặc dù mô hình hoạt động tốt ở hầu hết các điều kiện thời tiết, nhưng vẫn gặp khó khăn trong việc dự đoán các hiện tượng cục bộ, đặc biệt là ở quy mô nhỏ như cơn bão ban đầu.
Để hỗ trợ dự đoán các trường hợp khó khăn hơn, chuyên gia đã tích hợp thuật toán máy học, đặc biệt là thuật toán 'random forests' sử dụng cấu trúc 'Cây quyết định' để tự động dự đoán dữ liệu lớn từ các trạm thời tiết. Công cụ này vẫn tuân theo phương pháp dự đoán truyền thống nhưng mang lại nhiều thông tin tổng thể hơn, bao gồm cả phân tích về mưa có thể gây lũ lụt.
Không chỉ hiệu quả trong việc dự đoán mưa, thuật toán này còn khả năng dự đoán lốc xoáy, mưa đá và gió bão. Các đơn vị dự báo khác cũng nâng cấp công cụ này bằng cách sử dụng AI để cảnh báo về thời tiết độc hại, như kênh National Weather ở Mỹ.
Hơn nữa, quy trình máy học giúp con người tính toán dữ liệu thời tiết nhanh chóng và hiệu quả hơn. Ví dụ, thông qua dữ liệu về hơi nước, có thể dự đoán mưa, tuyết hoặc mưa đá một cách chính xác và nhanh chóng.
Các thuật toán máy học và AI mang lại tiềm năng lớn trong lĩnh vực dự đoán thời tiết. Tuy nhiên, các nghiên cứu cho thấy chúng không thể hoàn toàn thay thế phương pháp dự đoán truyền thống, ít nhất là hiện nay, vì chúng chỉ có thể dự đoán các tín hiệu chung chung chứ không cung cấp thông tin chi tiết về thời tiết địa phương.
Để hình dung dễ dàng, trên đây là quá trình dự báo của thuật toán máy học vào tháng 12 năm 2021 để phân tích cơ hội xảy ra các hiện tượng thời tiết xấu. Bao gồm 8 ngày trước khi xảy ra hiện tượng (góc phải dưới) đến 3 ngày trước khi xảy ra hiện tượng (góc trái trên), cho thấy càng sát ngày xảy ra thiên tai thì các thuật toán mới dự báo được (màu đỏ là lốc xoáy, giông tố là màu xanh dương, và mưa đá xanh lá) .
Mất tận 3 ngày mới đoán được thiên tai, trong khi 3 ngày sẽ gây khó khăn trong việc chuẩn bị kỹ càng để chống thiên tai, chỉ kịp sơ tán người dân, còn tài sản thì chịu. Như cơn bão Noru vừa qua xuất hiện quá đột ngột ở Philippines gây thất thoát nhiều về tài sản, phá hoại nhà cửa, nông sản nặng nề.
Hạn chế của AI và vai trò 'bộ não' của con ngườiNhư đã thấy ở trên, tốc độ tiên đoán thời tiết của máy học hiện tại chỉ dừng lại ở mức 'sương sương', không đủ nhanh để ứng phó và không đủ xuất sắc để thay thế phương pháp tính toán truyền thống. Căn bản là do máy học hiện tại chưa thể thu thập được hết các quy luật vật lý ảnh hưởng đến bầu khí quyển - một tác nhân rất mạnh ảnh hưởng đến sự hiện diện của các hiện tượng thời tiết.
Vì lý do đó, các thuật toán có thể dự đoán 'trượt' so với những gì sẽ xảy ra, ví dụ như dựa trên các thông tin về nhiệt độ tăng dần (ví dụ 1 độ tăng dần trong 1 ngày), máy học có thể dự đoán ra mức nhiệt nằm ngoài giới hạn chịu đựng thông thường thông qua thông tin đã thu thập được, chẳng hạn như báo hôm đó sẽ nóng lên đến 100 độ C (dự đoán dựa vào mức tăng nhiệt), ai mà chịu cho thấu?
Việc dự đoán sai này sẽ dễ xảy ra hơn trong những trường hợp thời tiết khó lường, hoặc những hiện tượng lạ lẫm, dẫn đến việc gặp các cảnh báo giả do máy học là rất cao. Do đó phải có con người đứng ra 'canh chừng'.
Ngoài ra, việc overly depend vào AI và thuật toán máy học có thể tạo ra lo ngại về lãng phí tài nguyên. Việc ứng dụng máy học và huấn luyện chúng mà không mang lại hiệu quả lớn có thể dẫn đến chi phí lớn để 'luyện' AI và thuật toán cho từng khu vực riêng biệt.
Hậu quả của điều này là các đơn vị dự báo thời tiết sẽ gặp khó khăn trong việc tối ưu hóa nguồn lực, làm thế nào để cân bằng giữa AI dự báo tự động và kiến thức dự báo thời tiết 'chạy cơm' từ các chuyên gia. Nếu không sử dụng các công cụ máy học, việc đưa AI vào dự báo thời tiết sớm không thuận lợi để thúc đẩy các công nghệ tiên đoán. Nhưng nếu giữ cho các công cụ tiên đoán ngày càng được áp dụng, điều này có thể tác động đến quy trình làm việc hiện tại của một tập thể.
Do đó, hiện tại AI vẫn đóng vai trò như một công cụ, giúp các chuyên gia dự đoán nhanh hơn, thay vì có khả năng dự đoán độc lập do những vấn đề đã nêu. Nhờ vào sự hỗ trợ của AI, những người chịu trách nhiệm về dự báo sẽ có thêm thời gian để tương tác và chia sẻ thông tin với công chúng, giúp họ phát động cảnh báo sớm hơn.
Con người vẫn giữ vai trò quan trọngHiện nay, việc dự báo các cơn bão hình thành đột ngột hoặc các hiện tượng thời tiết không có dấu hiệu sớm luôn là thách thức với AI. Dự đoán thời tiết là sự kết hợp của nhiều khía cạnh như quan sát, tính toán dữ liệu, vật lý và chu kỳ thời tiết. Các yếu tố này không phải là dữ liệu hàng ngày mà AI có thể thu thập và dự đoán được, do đó, vai trò của con người vẫn giữ vai trò then chốt. Có lẽ chúng ta cần thêm thời gian để AI có thể hoàn thiện dự báo thời tiết.
Một lợi ích lớn mà AI 'đóng góp' cho ngành dự báo thời tiết có thể là trong lĩnh vực quảng cáo. Ví dụ, kênh The Weather Chanel và đa số ứng dụng dự báo thời tiết đang sử dụng AI để hiển thị quảng cáo phù hợp với tình hình thời tiết sắp tới nhằm tối ưu hóa lợi nhuận. Riêng trong lĩnh vực này, AI và thuật toán máy học thể hiện sự hiệu quả, có thể thấy rõ qua các nền tảng như Facebook.
- Khám phá thêm về các bài viết trong danh mục Khám phá
