Vn-Z.vn Ngày 30 tháng 09 năm 2021, DeepMind, viện nghiên cứu AI hàng đầu của Anh thuộc công ty mẹ Google Alphabet, đã quay trở lại . Lần này, DeepMind tập trung vào thách thức lớn bằng công trình dự báo thời tiết, đồng thời hợp tác với Văn phòng Khí tượng Anh đưa ứng dụng AI để dự đoán lượng mưa. AI có thể dự đoán lượng mưa trong 1-2 giờ tới chính xác hơn so với các mô hình dự báo hiện có.
Hình ảnh DeepMind AI dự đoán thời tiết trước 90 phút
DeepMind sử dụng mô hình" sinh sâu" dự đoán lượng mưa chính xác. Hệ thống trang bị GPU NVIDIA V100, mô hình này có thể tạo ra mẫu dự đoán thời tiết lân cận độ phân giải đầy đủ chỉ trong 1,3 giây.
Theo nhóm nghiên cứu DeepMind, các chuyên gia khí tượng đánh giá rằng họ lạc quan hơn về mô hình AI mới do DeepMind đề xuất so với các phương pháp truyền thống. Phương pháp của DeepMind mở đường cho các phương pháp dự báo thời tiết mới sử dụng công nghệ AI giúp cải thiện đáng kể độ chính xác.
Nghiên cứu này vừa được công bố trên tạp chí học thuật hàng đầu Nature, với tiêu đề "Dự báo lượng mưa khéo léo bằng cách sử dụng mô hình tạo độ sâu bằng radar".(Skillful Precipitation Nowcasting Using Deep Generative Models of Radar) Bài báo đã sắp xếp một cách có hệ thống , thảo luận về các mô hình, dữ liệu và phương pháp xác minh.
DeepMind cũng tải dữ liệu đào tạo và mô hình AI được nghiên cứu tại Anh lên GitHub. Bạn có thể tham khảo tại đây https://dpmd.ai/github_nowcasting
Bài toán hóc búa dự báo thời tiết hiện đại, dự báo thời tiết chính xác trong vòng 2 giờ
“Tối nay trời sẽ mưa, nhớ mang theo ô nhé!” Những cuộc trò chuyện và thảo luận chủ đề thời tiết như thế này khá phổ biến trong các cuộc trò chuyện của mọi người. Từ cuộc sống thực tế xã hội hàng ngày đến các dự ánphòng chống thiên tai, dự báo thời tiết thực sự cần phải tốt hơn và chính xác hơn càng sớm càng tốt. Nhưng cho đến ngày nay, việc dự đoán lượng mưa vẫn là một thách thức lớn mà các nhà khí tượng học phải đối mặt.
Vào thời Trung cổ, lúc đầu các nhà khí tượng học sử dụng các ngôi sao để đưa ra dự đoán. Từ từ, bằng kinh nghiệm và sự tích lũy các nhà khí tượng học tiền nhân ghi chép thành các bảng lưu lại thông tin mùa và lượng mưa. Nhiều thế kỷ sau, nhà vật lý và toán học người Anh Lewis Fry Richardson đã hình dung ra "Nhà máy Dự báo" （Forecast Factory) sử dụng các phép tính và phương trình vật lý khí quyển dự đoán thời tiết toàn cầu.
Ngày nay, với sự phát triển của khoa học máy tính trong hệ thống dự báo thời tiết, DeepMind đã bổ sung một yếu tố mới là "máy học" AI. Dự báo thời tiết trong thời hiện đại được điều khiển bởi hệ thống dự báo thời tiết số (NWP: numerical weather prediction). Bằng cách giải các phương trình vật lý, NWP có thể dự đoán thời tiết trong tương lai trước vài ngày. Phương pháp này thường có độ chính xác tốt khi dự đoán thời tiết trong 6 giờ đến 2 tuần, tuy nhiên độ chính xác sẽ giảm khi dự đoán thời tiết trong 2 giờ.
Với DeepMind AI, bây giờ dự báo thời tiết trong khoảng thời gian 2 tiếng quan trọng này sẽ có hiệu suất đầy đủ hơn. Dự báo thời tiết cận kề rất quan trọng đối với việc quản lý nguồn nước, nông nghiệp, hàng không, lập kế hoạch khẩn cấp và các hoạt động ngoài trời, đồng thời hỗ trợ nhu cầu kinh tế xã hội thực sự của nhiều ngành khi phụ thuộc vào thời tiết để ra quyết định.
Những tiến bộ trong công nghệ cảm biến thời tiết đã cho phép cung cấp dữ liệu radar có độ phân giải cao giúp đo lượng mưa trên mặt đất ở tần số cao (ví dụ: độ phân giải 1 km cứ sau 5 phút). Sự kết hợp giữa các lĩnh vực chính khó giải quyết bằng các phương pháp hiện có và sự sẵn có của dữ liệu chất lượng cao tạo cơ hội cho học máy đóng góp vào việc dự báo hiện tại.
Trong những năm gần đây, một số phương pháp dựa trên máy học đã ra đời. Chúng được đào tạo trên các tập dữ liệu lớn được quan sát bởi radar, với mục đích mô phỏng tốt hơn lượng mưa lớn và các hiện tượng mưa không thể đoán trước khác.
Ví dụ: Google và Cơ quan Khí quyển và Đại dương Quốc gia Hoa Kỳ (NOAA) đang làm việc cùng nhau để nghiên cứu các hệ thống học máy .Các công ty NOAA và Microsoft cũng đã tài trợ cho việc xác định các mô hình thời tiết , khí hậu lặp lại từ dữ liệu lịch sử để cải thiện các mô hình dự báo theo mùa.
Mô hình phát hiện dự báo chuyên sâu đứng đầu về độ chính xác và tính thực tế.
DeepMind tập trung vào dự báo lượng mưa sắp tới: dự đoán lượng, thời gian và vị trí của lượng mưa trước 2 giờ. Các nhà nghiên cứu sử dụng phương pháp tạo mô hình độ sâu giống GAN DGMR, dựa trên dữ liệu radar trong quá khứ, từ đó đưa ra các dự đoán chi tiết và đáng tin cậy cho hệ thống radar trong tương lai.
Về mặt khái niệm, đây là công nghệ tạo ra hình ảnh radar. Mô hình tạo độ sâu lượng mưa DGMR phân phối học xác suất của dữ liệu và mô tả tất cả các giá trị có một biến ngẫu nhiên có thể nhận được để tạo ra "hiện tượng" từ phân phối đã học.
Với những phương pháp này, nhóm nghiên cứu không chỉ có thể nắm bắt chính xác các sự kiện về lượng mưa quy mô lớn mà còn tạo ra nhiều kịch bản lượng mưa thay thế (còn gọi là dự báo tổng hợp ensemble prediction) tìm hiểu và khám phá sự không chắc chắn về lượng mưa. Trong quá trình nghiên cứu, nhóm nghiên cứu đã sử dụng dữ liệu radar của Vương quốc Anh và Hoa Kỳ.
Nhóm nghiên cứu đã đánh giá tốc độ lấy mẫu bằng cách so sánh tốc độ của phần cứng CPU (AMD EPYC 10 lõi) và GPU (NVIDIA V100), và nhận thấy rằng thời gian trung bình để tạo mỗi mẫu là 23,7 giây đối với CPU và 1,3 giây cho GPU.
Dữ liệu radar quan sát trong 20 phút , Mô hình tạo độ sâu mưa (DGMR) được sử dụng để cung cấp các dự đoán xác suất trong 90 phút tiếp theo.
Nhóm DeepMind đã đề cập trong blog của họ : "Chúng tôi đặc biệt quan tâm đến khả năng của các mô hình này trong việc dự đoán các cơn mưa vừa đến mưa lớn, có tác động lớn nhất đến con người và nền kinh tế." Họ cho thấy rằng các mô hình này được thống kê cải thiện đáng kể so với trong khu vực.
Để xác minh tính chính xác trong kết quả dự báo do DGMR tạo ra, nhóm nghiên cứu đã chuẩn bị hai mô hình dự báo lượng mưa hiện có, mỗi mô hình có tên mô hình ẩn và mời 56 chuyên gia dự báo thời tiết từ cơ quan Thời tiết Quốc gia của Vương quốc Anh để đánh giá chúng.
So với các phương pháp dự đoán tiếp cận chính thống khác, DGMR đã đưa ra dự đoán thực tế và nhất quán hơn cho khu vực có diện tích 1536 km x 1280 km, đưa ra dự đoán trước 5 đến 90 phút.
DeepMind chia sẻ "So với các phương pháp dự báo được sử dụng rộng rãi hiện nay, họ (56 chuyên gia khí tượng) đã đánh giá phương pháp mới của chúng tôi là lựa chọn đầu tiên của họ trong 89% trường hợp. So với hai phương pháp cạnh tranh còn lại, DGMR đứng đầu về độ chính xác và tính thực tiễn."
Mô hình so sánh các phương pháp dự báo thời tiết tại Vương quốc Anh vào tháng 4 năm 2019 (mục tiêu là radar quan sát)
Như hình trên, góc trên bên trái là chuyển động quan sát được của đám mây mưa thực tế và phía trên bên phải là kết quả dự đoán do mô hình DGMR tạo ra So với phương pháp đối lưu (PySTEPS) với cường độ mưa quá lớn và phương pháp học sâu xác định với kết quả mô phỏng mờ (UNet), DGMR có thể nắm bắt tốt hơn lưu lượng, cường độ và cấu trúc. DGMR đồng thời dự đoán chính xác hơn lượng mưa và chuyển động ở phía đông bắc,đưa ra các dự đoán rõ ràng.
DeepMind cũng chia sẻ thêm "Chúng tôi chứng minh rằng dự báo tổng hợp có thể cung cấp dự báo xác suất, cải thiện giá trị dự báo, hỗ trợ tiện ích hoạt động, về mặt giải pháp và thời gian ,các phương pháp thay thế khó đạt được."
Hình ảnh cơn mưa lớn ở miền đông Hoa Kỳ vào tháng 4 năm 2019 (mục tiêu là radar quan sát). Phương pháp DGMR tạo cân bằng giữa cường độ và mức độ kết tủa, ngược lại, cường độ của phương pháp PySTEPS thường quá cao và kết quả của UNet tương đối mờ.
Dự báo thời tiết thường bị ảnh hưởng bởi nhiều yếu tố. Có thể một người dự đoán vị trí lượng mưa nhưng sai cường độ, người kia dự đoán cường độ sai vị trí. Trong nghiên cứu này, các nhà nghiên cứu đã nỗ lực rất nhiều để đánh giá thuật toán của AI dựa trên một loạt các chỉ số.
DGMR có thể dự đoán các sự kiện thời tiết vốn dĩ rất khó theo dõi do tính ngẫu nhiên tiềm ẩn. DGMR cũng có thể dự đoán vị trí của lượng mưa chính xác như một hệ thống điều chỉnh nhiệm vụ, đồng thời giữ lại các thuộc tính hữu ích cho việc ra quyết định.
Cải thiện độ chính xác trong dự báo dài hạn.
Sử dụng phân tích thống kê, kinh tế và nhận thức, DeepMind đã trình diễn phương pháp dự báo lượng mưa bằng radar mới có tính cạnh tranh.
Theo Shakir Mohamed, nhà khoa học toàn thời gian tại DeepMind, cho biết: “Khả năng mô hình hóa các hiện tượng phức tạp, dự đoán nhanh chóng và thể hiện sự không chắc chắn khiến AI trở thành công cụ đắc lực cho các nhà khoa học môi trường."
Ông tin rằng mặc dù vẫn còn quá sớm, nhưng thử nghiệm này cho thấy rằng AI cho phép các nhà dự báo thời tiết không dành thời gian cho đống dữ liệu dự báo ngày càng tăng, mà tập trung vào việc hiểu rõ hơn về tác động của các dự báo của họ. "Đây sẽ là một phần không thể thiếu trong việc giảm thiểu tác động tiêu cực của biến đổi khí hậu ngày nay, hỗ trợ thích ứng với các hình thái thời tiết thay đổi và có khả năng cứu sống."
Tuy nhiên, bất kỳ phương pháp nào cũng có những hạn chế và cần phải làm nhiều việc hơn nữa để cải thiện độ chính xác của các dự đoán dài hạn và độ chính xác của các tình huống hiếm hoi ,cường độ cao. Do đó, nhóm nghiên cứu có kế hoạch phát triển thêm các phương pháp đánh giá hiệu suất trong công việc tương lai, chuyên môn hóa hơn nữa các phương pháp này để phù hợp với các ứng dụng cụ thể trong thế giới thực.
Các nhà nghiên cứu của DeepMind tin rằng đây là lĩnh vực nghiên cứu thú vị và họ hy vọng rằng các thông tin họ chia sẻ có thể cung cấp dữ liệu và phương pháp xác minh cho công việc mới, cung cấp tiện ích hoạt động và xác minh cạnh tranh.
Họ cũng hy vọng rằng sự hợp tác với Văn phòng Met sẽ thúc đẩy tích hợp nhiều hơn của máy học và khoa học môi trường, đồng thời hỗ trợ tốt hơn cho việc ra quyết định về biến đổi khí hậu.
DeepMind AI bước đột phá khác trong các vấn đề khoa học.
Giá trị của AI và phân tích dữ liệu đang thâm nhập nhiều hơn vào lĩnh vực dự báo thời tiết. Vào đầu năm 2020 ,Tại Trung Quốc HUAWEI CLOUD đã hợp tác với Cục Khí tượng Thâm Quyến sử dụng phương pháp AI giúp tăng tỷ lệ dự đoán chính xác từ 10% đến 20%. Với sự trợ giúp của AI và Big Data, ứng dụng thời tiết Caiyun tại Trung Quốc và ứng dụng thời tiết của bên thứ ba Dark Sky được Apple mua lại vào tháng 4 năm ngoái đều đã đạt được dự báo lượng mưa ở cấp độ phút và độ chính xác của dự báo vẫn đang được cải thiện.
Trưởng nhóm khoa học AI từ Facebook Yann LeCun và nhà khoa học AI nổi tiếng Wu Enda đều nói rằng giảm thiểu biến đổi khí hậu và thúc đẩy hiệu quả năng lượng là những thách thức xứng đáng đối với các nhà nghiên cứu AI.
Sự hợp tác giữa khoa học môi trường và AI tập trung vào giá trị của những người ra quyết định, mở ra các kênh mới để dự báo lượng mưa hiện nay cũng cho thấy cơ hội cho AI hỗ trợ các thách thức ra quyết định khi môi trường thay đổi.
Từ việc phát hành mô hình dự đoán protein AI AlphaFold vào năm 2020, giải quyết vấn đề gấp protein, đến mô hình dự báo lượng mưa DeepMind AI đang ngày càng cho thấy giá trị ứng dụng thực tế để giải quyết các vấn đề khoa học quan trọng.
Vn-Z.vn team tổng hợp tham khảo tạp chí Nature
Hình ảnh DeepMind AI dự đoán thời tiết trước 90 phút
DeepMind sử dụng mô hình" sinh sâu" dự đoán lượng mưa chính xác. Hệ thống trang bị GPU NVIDIA V100, mô hình này có thể tạo ra mẫu dự đoán thời tiết lân cận độ phân giải đầy đủ chỉ trong 1,3 giây.
Theo nhóm nghiên cứu DeepMind, các chuyên gia khí tượng đánh giá rằng họ lạc quan hơn về mô hình AI mới do DeepMind đề xuất so với các phương pháp truyền thống. Phương pháp của DeepMind mở đường cho các phương pháp dự báo thời tiết mới sử dụng công nghệ AI giúp cải thiện đáng kể độ chính xác.
Nghiên cứu này vừa được công bố trên tạp chí học thuật hàng đầu Nature, với tiêu đề "Dự báo lượng mưa khéo léo bằng cách sử dụng mô hình tạo độ sâu bằng radar".(Skillful Precipitation Nowcasting Using Deep Generative Models of Radar) Bài báo đã sắp xếp một cách có hệ thống , thảo luận về các mô hình, dữ liệu và phương pháp xác minh.
DeepMind cũng tải dữ liệu đào tạo và mô hình AI được nghiên cứu tại Anh lên GitHub. Bạn có thể tham khảo tại đây https://dpmd.ai/github_nowcasting
Bài toán hóc búa dự báo thời tiết hiện đại, dự báo thời tiết chính xác trong vòng 2 giờ
“Tối nay trời sẽ mưa, nhớ mang theo ô nhé!” Những cuộc trò chuyện và thảo luận chủ đề thời tiết như thế này khá phổ biến trong các cuộc trò chuyện của mọi người. Từ cuộc sống thực tế xã hội hàng ngày đến các dự ánphòng chống thiên tai, dự báo thời tiết thực sự cần phải tốt hơn và chính xác hơn càng sớm càng tốt. Nhưng cho đến ngày nay, việc dự đoán lượng mưa vẫn là một thách thức lớn mà các nhà khí tượng học phải đối mặt.
Vào thời Trung cổ, lúc đầu các nhà khí tượng học sử dụng các ngôi sao để đưa ra dự đoán. Từ từ, bằng kinh nghiệm và sự tích lũy các nhà khí tượng học tiền nhân ghi chép thành các bảng lưu lại thông tin mùa và lượng mưa. Nhiều thế kỷ sau, nhà vật lý và toán học người Anh Lewis Fry Richardson đã hình dung ra "Nhà máy Dự báo" （Forecast Factory) sử dụng các phép tính và phương trình vật lý khí quyển dự đoán thời tiết toàn cầu.
Ngày nay, với sự phát triển của khoa học máy tính trong hệ thống dự báo thời tiết, DeepMind đã bổ sung một yếu tố mới là "máy học" AI. Dự báo thời tiết trong thời hiện đại được điều khiển bởi hệ thống dự báo thời tiết số (NWP: numerical weather prediction). Bằng cách giải các phương trình vật lý, NWP có thể dự đoán thời tiết trong tương lai trước vài ngày. Phương pháp này thường có độ chính xác tốt khi dự đoán thời tiết trong 6 giờ đến 2 tuần, tuy nhiên độ chính xác sẽ giảm khi dự đoán thời tiết trong 2 giờ.
Với DeepMind AI, bây giờ dự báo thời tiết trong khoảng thời gian 2 tiếng quan trọng này sẽ có hiệu suất đầy đủ hơn. Dự báo thời tiết cận kề rất quan trọng đối với việc quản lý nguồn nước, nông nghiệp, hàng không, lập kế hoạch khẩn cấp và các hoạt động ngoài trời, đồng thời hỗ trợ nhu cầu kinh tế xã hội thực sự của nhiều ngành khi phụ thuộc vào thời tiết để ra quyết định.
Những tiến bộ trong công nghệ cảm biến thời tiết đã cho phép cung cấp dữ liệu radar có độ phân giải cao giúp đo lượng mưa trên mặt đất ở tần số cao (ví dụ: độ phân giải 1 km cứ sau 5 phút). Sự kết hợp giữa các lĩnh vực chính khó giải quyết bằng các phương pháp hiện có và sự sẵn có của dữ liệu chất lượng cao tạo cơ hội cho học máy đóng góp vào việc dự báo hiện tại.
Trong những năm gần đây, một số phương pháp dựa trên máy học đã ra đời. Chúng được đào tạo trên các tập dữ liệu lớn được quan sát bởi radar, với mục đích mô phỏng tốt hơn lượng mưa lớn và các hiện tượng mưa không thể đoán trước khác.
Ví dụ: Google và Cơ quan Khí quyển và Đại dương Quốc gia Hoa Kỳ (NOAA) đang làm việc cùng nhau để nghiên cứu các hệ thống học máy .Các công ty NOAA và Microsoft cũng đã tài trợ cho việc xác định các mô hình thời tiết , khí hậu lặp lại từ dữ liệu lịch sử để cải thiện các mô hình dự báo theo mùa.
Mô hình phát hiện dự báo chuyên sâu đứng đầu về độ chính xác và tính thực tế.
DeepMind tập trung vào dự báo lượng mưa sắp tới: dự đoán lượng, thời gian và vị trí của lượng mưa trước 2 giờ. Các nhà nghiên cứu sử dụng phương pháp tạo mô hình độ sâu giống GAN DGMR, dựa trên dữ liệu radar trong quá khứ, từ đó đưa ra các dự đoán chi tiết và đáng tin cậy cho hệ thống radar trong tương lai.
Về mặt khái niệm, đây là công nghệ tạo ra hình ảnh radar. Mô hình tạo độ sâu lượng mưa DGMR phân phối học xác suất của dữ liệu và mô tả tất cả các giá trị có một biến ngẫu nhiên có thể nhận được để tạo ra "hiện tượng" từ phân phối đã học.
Với những phương pháp này, nhóm nghiên cứu không chỉ có thể nắm bắt chính xác các sự kiện về lượng mưa quy mô lớn mà còn tạo ra nhiều kịch bản lượng mưa thay thế (còn gọi là dự báo tổng hợp ensemble prediction) tìm hiểu và khám phá sự không chắc chắn về lượng mưa. Trong quá trình nghiên cứu, nhóm nghiên cứu đã sử dụng dữ liệu radar của Vương quốc Anh và Hoa Kỳ.
Nhóm nghiên cứu đã đánh giá tốc độ lấy mẫu bằng cách so sánh tốc độ của phần cứng CPU (AMD EPYC 10 lõi) và GPU (NVIDIA V100), và nhận thấy rằng thời gian trung bình để tạo mỗi mẫu là 23,7 giây đối với CPU và 1,3 giây cho GPU.
Dữ liệu radar quan sát trong 20 phút , Mô hình tạo độ sâu mưa (DGMR) được sử dụng để cung cấp các dự đoán xác suất trong 90 phút tiếp theo.
Nhóm DeepMind đã đề cập trong blog của họ : "Chúng tôi đặc biệt quan tâm đến khả năng của các mô hình này trong việc dự đoán các cơn mưa vừa đến mưa lớn, có tác động lớn nhất đến con người và nền kinh tế." Họ cho thấy rằng các mô hình này được thống kê cải thiện đáng kể so với trong khu vực.
Để xác minh tính chính xác trong kết quả dự báo do DGMR tạo ra, nhóm nghiên cứu đã chuẩn bị hai mô hình dự báo lượng mưa hiện có, mỗi mô hình có tên mô hình ẩn và mời 56 chuyên gia dự báo thời tiết từ cơ quan Thời tiết Quốc gia của Vương quốc Anh để đánh giá chúng.
So với các phương pháp dự đoán tiếp cận chính thống khác, DGMR đã đưa ra dự đoán thực tế và nhất quán hơn cho khu vực có diện tích 1536 km x 1280 km, đưa ra dự đoán trước 5 đến 90 phút.
DeepMind chia sẻ "So với các phương pháp dự báo được sử dụng rộng rãi hiện nay, họ (56 chuyên gia khí tượng) đã đánh giá phương pháp mới của chúng tôi là lựa chọn đầu tiên của họ trong 89% trường hợp. So với hai phương pháp cạnh tranh còn lại, DGMR đứng đầu về độ chính xác và tính thực tiễn."
Mô hình so sánh các phương pháp dự báo thời tiết tại Vương quốc Anh vào tháng 4 năm 2019 (mục tiêu là radar quan sát)
DeepMind cũng chia sẻ thêm "Chúng tôi chứng minh rằng dự báo tổng hợp có thể cung cấp dự báo xác suất, cải thiện giá trị dự báo, hỗ trợ tiện ích hoạt động, về mặt giải pháp và thời gian ,các phương pháp thay thế khó đạt được."
Hình ảnh cơn mưa lớn ở miền đông Hoa Kỳ vào tháng 4 năm 2019 (mục tiêu là radar quan sát). Phương pháp DGMR tạo cân bằng giữa cường độ và mức độ kết tủa, ngược lại, cường độ của phương pháp PySTEPS thường quá cao và kết quả của UNet tương đối mờ.
Dự báo thời tiết thường bị ảnh hưởng bởi nhiều yếu tố. Có thể một người dự đoán vị trí lượng mưa nhưng sai cường độ, người kia dự đoán cường độ sai vị trí. Trong nghiên cứu này, các nhà nghiên cứu đã nỗ lực rất nhiều để đánh giá thuật toán của AI dựa trên một loạt các chỉ số.
DGMR có thể dự đoán các sự kiện thời tiết vốn dĩ rất khó theo dõi do tính ngẫu nhiên tiềm ẩn. DGMR cũng có thể dự đoán vị trí của lượng mưa chính xác như một hệ thống điều chỉnh nhiệm vụ, đồng thời giữ lại các thuộc tính hữu ích cho việc ra quyết định.
Cải thiện độ chính xác trong dự báo dài hạn.
Sử dụng phân tích thống kê, kinh tế và nhận thức, DeepMind đã trình diễn phương pháp dự báo lượng mưa bằng radar mới có tính cạnh tranh.
Theo Shakir Mohamed, nhà khoa học toàn thời gian tại DeepMind, cho biết: “Khả năng mô hình hóa các hiện tượng phức tạp, dự đoán nhanh chóng và thể hiện sự không chắc chắn khiến AI trở thành công cụ đắc lực cho các nhà khoa học môi trường."
Ông tin rằng mặc dù vẫn còn quá sớm, nhưng thử nghiệm này cho thấy rằng AI cho phép các nhà dự báo thời tiết không dành thời gian cho đống dữ liệu dự báo ngày càng tăng, mà tập trung vào việc hiểu rõ hơn về tác động của các dự báo của họ. "Đây sẽ là một phần không thể thiếu trong việc giảm thiểu tác động tiêu cực của biến đổi khí hậu ngày nay, hỗ trợ thích ứng với các hình thái thời tiết thay đổi và có khả năng cứu sống."
Tuy nhiên, bất kỳ phương pháp nào cũng có những hạn chế và cần phải làm nhiều việc hơn nữa để cải thiện độ chính xác của các dự đoán dài hạn và độ chính xác của các tình huống hiếm hoi ,cường độ cao. Do đó, nhóm nghiên cứu có kế hoạch phát triển thêm các phương pháp đánh giá hiệu suất trong công việc tương lai, chuyên môn hóa hơn nữa các phương pháp này để phù hợp với các ứng dụng cụ thể trong thế giới thực.
Các nhà nghiên cứu của DeepMind tin rằng đây là lĩnh vực nghiên cứu thú vị và họ hy vọng rằng các thông tin họ chia sẻ có thể cung cấp dữ liệu và phương pháp xác minh cho công việc mới, cung cấp tiện ích hoạt động và xác minh cạnh tranh.
Họ cũng hy vọng rằng sự hợp tác với Văn phòng Met sẽ thúc đẩy tích hợp nhiều hơn của máy học và khoa học môi trường, đồng thời hỗ trợ tốt hơn cho việc ra quyết định về biến đổi khí hậu.
DeepMind AI bước đột phá khác trong các vấn đề khoa học.
Giá trị của AI và phân tích dữ liệu đang thâm nhập nhiều hơn vào lĩnh vực dự báo thời tiết. Vào đầu năm 2020 ,Tại Trung Quốc HUAWEI CLOUD đã hợp tác với Cục Khí tượng Thâm Quyến sử dụng phương pháp AI giúp tăng tỷ lệ dự đoán chính xác từ 10% đến 20%. Với sự trợ giúp của AI và Big Data, ứng dụng thời tiết Caiyun tại Trung Quốc và ứng dụng thời tiết của bên thứ ba Dark Sky được Apple mua lại vào tháng 4 năm ngoái đều đã đạt được dự báo lượng mưa ở cấp độ phút và độ chính xác của dự báo vẫn đang được cải thiện.
Trưởng nhóm khoa học AI từ Facebook Yann LeCun và nhà khoa học AI nổi tiếng Wu Enda đều nói rằng giảm thiểu biến đổi khí hậu và thúc đẩy hiệu quả năng lượng là những thách thức xứng đáng đối với các nhà nghiên cứu AI.
Sự hợp tác giữa khoa học môi trường và AI tập trung vào giá trị của những người ra quyết định, mở ra các kênh mới để dự báo lượng mưa hiện nay cũng cho thấy cơ hội cho AI hỗ trợ các thách thức ra quyết định khi môi trường thay đổi.
Từ việc phát hành mô hình dự đoán protein AI AlphaFold vào năm 2020, giải quyết vấn đề gấp protein, đến mô hình dự báo lượng mưa DeepMind AI đang ngày càng cho thấy giá trị ứng dụng thực tế để giải quyết các vấn đề khoa học quan trọng.
Vn-Z.vn team tổng hợp tham khảo tạp chí Nature
