Cuộc đua ‘đọc’ bão bằng AI

Cuộc cạnh tranh trong lĩnh vực dự báo thời tiết bằng AI không chỉ diễn ra trong nội bộ các gã khổng lồ công nghệ. Ảnh: Denver Post.

Hãy tưởng tượng một thế giới mà dự báo thời tiết chính xác từng giây phút một, đến mức có thể cá nhân hóa cho từng người, từng địa điểm cụ thể. Nghe có vẻ như giấc mơ xa vời, nhưng với AI và học máy (machine learning - ML), điều đó đang trở thành hiện thực.

Với khả năng xử lý khối lượng dữ liệu khổng lồ và phân tích mẫu phức tạp, AI đang mở ra một kỷ nguyên mới cho lĩnh vực khí tượng. Những gã khổng lồ công nghệ như Google, Microsoft, Nvidia và Huawei đã phát triển các mô hình dự báo thời tiết dựa trên học máy vượt trội hơn các phương pháp truyền thống và chỉ cần một phần nhỏ tài nguyên tính toán.

Những mô hình AI này giúp dự báo chính xác hơn cho nông dân, xác định đường đi của các cơn bão mạnh và hỗ trợ phân tích tình trạng biến đổi khí hậu. Theo nghiên cứu từ Google DeepMind, “những mô hình kết hợp AI không chỉ làm dự báo ngắn hạn mà còn giúp cung cấp các dự báo chính xác và ổn định trong khoảng thời gian dài, từ 1-15 ngày cho đến cả hàng thập kỷ”.

Cách AI dự báo thời tiết

Nhiều thập kỷ qua, các nhà khí tượng học thường dựa vào phương trình vật lý phức tạp để mô phỏng hiện tượng trong bầu khí quyển, tạo ra dự báo. Về lý thuyết, nếu biết được điều kiện hiện tại của thời tiết như gió, áp suất và lượng mưa, các chuyên gia có thể sử dụng những dữ liệu này để xây dựng bản dự báo hoàn chỉnh.

Tuy nhiên, trên thực tế, những phương trình này lại chưa đủ tinh vi để nắm bắt toàn bộ sự phức tạp và biến đổi không ngừng của khí hậu Trái đất. Một lỗi nhỏ trong tính toán hoặc đo đạc có thể dẫn đến sai số lớn trong dự báo.

Mô hình AI có thể phân tích các dữ liệu thời tiết hiện tại và dự đoán dựa trên những gì nó đã học được từ dữ liệu quá khứ. Ảnh: Adobe Stock.

Những mô hình truyền thống cũng đòi hỏi sức mạnh tính toán lớn và phải được vận hành bởi những người có chuyên môn cao. Nhưng chi phí rất đắt đỏ. Chính vì yêu cầu cao về tài nguyên, các mô hình này sẽ không hoạt động tốt ở những nơi không được thiết lập công thức số học chính xác, như trong dự báo hạn hán hay lượng mưa ngắn hạn.

Ngoài ra, việc cân bằng giữa các mốc thời gian dự báo khác nhau rất khó. Người dân thường quan tâm đến thời tiết trong vài giờ hay vài ngày sắp tới, nhưng các nhà khoa học khí hậu lại quan tâm đến xu hướng dài hạn trong hàng chục năm.

Mô hình AI dự báo đường đi của bão so sánh với thực tế. Ảnh: Harvard.

Trong khi đó, AI và học máy là công nghệ giúp máy tính có thể học từ dữ liệu và tự cải thiện dựa trên những gì đã học, tương tự như cách con người học hỏi từ kinh nghiệm.

Cốt lõi của học máy là sử dụng một lượng dữ liệu khổng lồ, như hình ảnh, số liệu, văn bản, để huấn luyện hệ thống tìm kiếm các mẫu và quy luật chung.

Đối với dự báo thời tiết, các mô hình AI học từ dữ liệu khí hậu khổng lồ, giúp phát hiện các xu hướng chung mà các mô hình dự báo hoặc nhà khí tượng học có thể bỏ qua.

Đơn cử như mô hình AI GraphCast của Google DeepMind đã dự đoán chính xác đường đi của cơn bão Beryl một tuần trước khi nó đến bờ biển Texas, trong khi các mô hình truyền thống vẫn dự báo bão sẽ đổ bộ vào Mexico.

Đâu là “mô hình dự báo chính xác nhất thế giới”?

Gần đây, Google DeepMind vừa công bố mô hình lai (hybrid model), kết hợp giữa phương pháp truyền thống và AI. Mô hình này gồm hai phần chính: phần “lõi” là các phương trình vật lý căn bản của khí quyển, còn phần “cành” là mô-đun học máy, có nhiệm vụ tinh chỉnh dự báo dựa trên dữ liệu thực tế.

Tương tự như phương pháp truyền thống, phần lõi sẽ chia bề mặt Trái đất thành lưới 3D để tính toán nhiệt độ, độ ẩm và tốc độ gió tại từng ô. Sau đó, mô-đun sẽ bổ sung dữ liệu bằng cách sử dụng mô hình học máy, dự đoán các yếu tố phức tạp như sự hình thành mây, thời gian và vị trí mưa hay cách ánh sáng mặt trời tương tác với Trái đất.

Các mô hình dự báo thời tiết truyền thống đòi hỏi sức mạnh tính toán lớn và phải được vận hành bởi những người có chuyên môn cao. Ảnh: 7wData.

Quy trình này lặp đi lặp lại và mô hình sẽ tiếp tục dự đoán cho các khoảng thời gian tiếp theo cho đến khi đạt được dự báo mong muốn. “Sự kết hợp giữa phương pháp truyền thống và học máy giúp cải thiện độ chính xác của dự báo ngắn hạn, đồng thời cung cấp dự đoán ổn định cho các mốc thời gian dài hạn”, Google cho biết.

Cuộc cạnh tranh trong lĩnh vực dự báo thời tiết bằng AI không chỉ diễn ra trong nội bộ các gã khổng lồ công nghệ, mà còn là một cuộc đua toàn cầu giữa Mỹ và châu Âu.

Chỉ sau 6 tháng phát triển, Trung tâm Dự báo thời tiết hạn vừa Châu Âu (ECMWF) cũng cho ra mắt mô hình dự báo toàn cầu AI của riêng mình được gọi là AIFS vào tháng 10/2023.

Nói với Washington Post, nhà khí tượng học Matt Lanza gọi dự báo của AIFS cho bão Francine vào tháng 9 là “điên rồ”. “Bạn sẽ phải phát điên nếu không sử dụng nó hàng ngày trong bộ công cụ dự báo của mình”, chuyên gia nhận xét.

Sau đó, với bão Milton, AIFS đã chỉ ra điểm đổ bộ với độ sai lệch chỉ 21 km trước khi nó đến Florida. Sau thành tích này, nhà khí tượng học Bryan Bennett tuyên bố AIFS là “mô hình chính xác nhất mà thế giới từng có”.

Trong khi đó, Cục Quản lý Khí quyển và Đại dương Quốc gia Mỹ (NOAA) vẫn phụ thuộc vào các mô hình dự báo truyền thống. Theo nghiên cứu từ Đại học Washington, NOAA gặp phải nhiều hạn chế do sứ mệnh phức tạp.

Họ vừa phải dự báo môi trường từ đáy biển đến ngoài vũ trụ, vừa phải cung cấp các mô hình toàn cầu, trong từng khu vực và địa phương. “NOAA thiếu cơ cấu tổ chức cần thiết để theo kịp hoặc vượt qua đối thủ”, nhà khí tượng học Cliff Mass tại Đại học Washington nói với Washington Post.

Chia sẻ với tờ báo, một số chuyên gia cho rằng vì thiếu sự phối hợp giữa cộng đồng nghiên cứu và vận hành, thiếu công suất tính toán và phân tán nguồn lực qua các cơ quan liên bang khác nhau đã khiến NOAA không thể tiến bộ nhanh như mong đợi. Cliff Mass nhấn mạnh: “Họ có thể làm tốt hơn nếu biết cách tổ chức và tối ưu hóa nguồn tài nguyên khí tượng rộng lớn của Mỹ”.