Buzz
Các nhà nghiên cứu cho rằng phương pháp mới này không chỉ giúp tiết kiệm chi phí, tăng cường tốc độ mà còn nâng cao độ chính xác trong dự báo.
Một hệ thống trí tuệ nhân tạo (AI) mới mang tên Aardvark Weather đang thu hút sự chú ý của các chuyên gia trong lĩnh vực dự báo thời tiết. Theo công bố trên tạp chí Nature vào ngày 20 tháng 3, thuật toán học máy này không chỉ nhanh hơn hàng chục lần so với các hệ thống truyền thống mà còn có thể hoạt động hiệu quả trên một chiếc máy tính bàn thông thường, thay vì yêu cầu các siêu máy tính tốn kém.
“Khi nhìn vào các hệ thống dự báo thời tiết hiện nay — được phát triển trong suốt nhiều thập kỷ — chúng tôi thực sự ngạc nhiên khi chỉ trong vòng 18 tháng, có thể tạo ra một hệ thống có thể cạnh tranh với những công cụ hàng đầu, chỉ cần một phần mười dữ liệu và chạy trên máy tính cá nhân,” kỹ sư Richard Turner từ Đại học Cambridge (Anh) chia sẻ.
Thông thường, các dự báo thời tiết hiện nay phụ thuộc vào việc nhập dữ liệu vào các mô hình vật lý phức tạp, một quá trình dài và tốn nhiều giờ tính toán trên siêu máy tính. Tuy nhiên, Aardvark đi theo một cách tiếp cận khác. Thay vì mô phỏng khí quyển, hệ thống này sử dụng dữ liệu thô từ vệ tinh, trạm quan trắc, tàu biển và bóng thám không để đưa ra dự đoán. Trong đó, dữ liệu vệ tinh đóng vai trò rất quan trọng.
Các nhà nghiên cứu cho rằng, phương pháp mới này không chỉ tiết kiệm chi phí và tăng tốc độ mà còn nâng cao độ chính xác của dự báo. Trong khi các hệ thống hiện tại yêu cầu một đội ngũ vận hành và hạ tầng siêu máy tính, Aardvark chỉ cần vài phút để xử lý dự báo ngay trên máy tính cá nhân.
So với các hệ thống toàn cầu như GFS (Hệ thống Dự báo Toàn cầu của Mỹ), Aardvark tỏ ra vượt trội dù chỉ sử dụng 8% lượng dữ liệu mà GFS cần. Kết quả dự báo của Aardvark cũng tương đương với những dự báo từ Cơ quan Thời tiết Quốc gia Mỹ.
Tuy nhiên, độ phân giải không gian của Aardvark hiện tại vẫn chưa đạt đến mức của các hệ thống tiên tiến hiện nay. Mỗi ô dữ liệu trong mô hình của Aardvark tương ứng với một khu vực có kích thước 1,5 độ vĩ độ và 1,5 độ kinh độ, trong khi GFS có thể xử lý dữ liệu chi tiết tới từng 0,25 độ.
Tuy vậy, vì là mô hình học máy, Aardvark có thể được huấn luyện để đáp ứng những mục tiêu cụ thể, ví dụ như dự báo nhiệt độ phục vụ nông nghiệp ở châu Phi hoặc tốc độ gió phục vụ năng lượng tái tạo ở châu Âu. Nếu có đủ dữ liệu chi tiết khu vực, hệ thống cũng có thể tích hợp thêm để cải thiện dự báo tại từng địa phương.
“Đây mới chỉ là bước đầu của Aardvark,” đồng tác giả Anna Allen từ Đại học Cambridge chia sẻ. “Cách tiếp cận học sâu toàn diện này có thể dễ dàng áp dụng cho nhiều vấn đề dự báo thời tiết khác như bão, cháy rừng, lốc xoáy, và thậm chí là những hiện tượng môi trường như chất lượng không khí, động lực học đại dương và dự báo băng biển.”
Aardvark còn có tiềm năng hỗ trợ các trung tâm dự báo ở những khu vực thiếu điều kiện kỹ thuật, nơi mà không thể chuyển đổi các dự báo toàn cầu thành dự báo chi tiết cho khu vực.
“Đột phá của Aardvark không chỉ là về tốc độ — mà còn là khả năng tiếp cận,” Scott Hosking, nhà nghiên cứu AI tại Viện Alan Turing (Anh), nhận xét. “Việc chuyển công nghệ dự báo thời tiết từ siêu máy tính sang máy tính cá nhân có thể mở ra cơ hội tiếp cận công nghệ này cho các quốc gia đang phát triển và những khu vực còn thiếu dữ liệu.”
