THÂM QUYẾN, Trung Quốc, 07/08/2023 /PRNewswire/ -- Có thể ghi nhận tháng 7/2023 là tháng nóng nhất trong lịch sử và có thể là tháng nóng nhất trong 120.000 năm qua. Khí hậu đang ấm dần lên và dẫn đến hậu quả là khả năng xảy ra các hiện tượng thời tiết cực đoan ngày càng tăng cao. Dự đoán thời tiết truyền thống đòi hỏi một lượng lớn công suất điện toán để hoạt động hiệu quả. Giờ đây, một mô hình thời tiết mới tích hợp AI đang được phát hành ra công chúng, qua đó thay đổi cách thức dự đoán thời tiết.
Pangu-Weather, một mô hình AI dự đoán thời tiết do HUAWEI CLOUD phát triển, giúp đưa ra dự báo thời tiết chính xác hơn với tốc độ dự đoán được cải thiện 10.000 lần, giảm thời gian dự báo thời tiết toàn cầu xuống chỉ còn vài giây. Mô hình này tạo điều kiện thuận lợi cho công tác dự đoán sớm và chuẩn bị sẵn sàng trước thời tiết cực đoan. Những kết quả này đã được xuất bản trong tạp chí khoa học có sự xét duyệt từ đồng nghiệp cùng ngành, Nature, vào 05/07/2023.
Pangu-Weather là mô hình dự đoán AI đầu tiên có độ chính xác cao hơn so với các phương pháp dự đoán số học truyền thống và lần đầu tiên được phát hành miễn phí ra công chúng trên trang web ECMWF (Trung tâm Dự báo Thời tiết Trung hạn châu Âu). Qua đó mang đến cho những nhà dự báo thời tiết, nhà khí tượng học, những người đam mê thời tiết và công chúng nói chung trên toàn cầu một nền tảng để xem dự báo thời tiết toàn cầu trong 10 ngày của Pangu Weather Model.
Một "yếu tố đột phá" cho việc dự báo thời tiết truyền thống
Ngoài việc cung cấp dự báo thời tiết trong 10 ngày, ECMWF cũng đã công bố một báo cáo so sánh các dự báo do Pangu-Weather và ECMWF IFS (một hệ thống NWP toàn cầu hàng đầu) đưa ra từ tháng 4 đến tháng 7 năm 2023.
Theo báo cáo, việc áp dụng các phương pháp học máy (ML) như Pangu-Weather có thể là "một yếu tố đột phá đối với sự tiến bộ từng bước và khá chậm của các phương pháp dự đoán thời tiết số học (NWP) truyền thống" mà kỹ năng dự báo đã tăng thêm khoảng một ngày mỗi thập kỷ (theo Tổ chức Khí tượng Thế giới, hay WMO). Điều này có thể là do chi phí điện toán cao khi chạy dự báo với các hệ thống NWP tiêu chuẩn. Các mô hình ML sẵn sàng cách mạng hóa cách thức dự báo thời tiết với những dự báo yêu cầu chi phí điện toán thấp hơn đáng kể và đạt hiệu suất cạnh tranh cao về độ chính xác.
Tiến sĩ Tian Qi, Trưởng nhóm Khoa học lĩnh vực AI cho HUAWEI CLOUD, thành viên của IEEE và Viện sĩ của Học viện Khoa học Á-Âu Quốc tế, giải thích rằng: "Dự báo thời tiết là một trong những tình huống quan trọng nhất trong lĩnh vực điện toán khoa học vì dự báo khí tượng là một hệ thống phức tạp, nhưng rất khó để bao quát tất cả các khía cạnh của kiến thức toán học và vật lý. Hiện tại, Pangu-Weather chủ yếu hoàn thành công việc của hệ thống dự báo và khả năng chính của mô hình này là dự đoán sự phát triển của các trạng thái khí quyển".
Đã kiểm chứng về độ chính xác cao trong công tác dự đoán thời tiết cực đoan
Khả năng dự đoán của mô hình Pangu-Weather đã được kiểm thử trong các tình huống cực đoan như Bão Eunice tấn công Tây Bắc Châu Âu vào tháng 2 năm 2022 và lần đầu tiên Vương quốc Anh đạt mốc nhiệt độ 40°C vào mùa hè năm 2022. Hai ví dụ này cho thấy các mô hình dựa trên dữ liệu có khả năng dự báo các tình huống thời tiết cực đoan và cung cấp chỉ dẫn cho dự báo trung hạn.
ECMWF website showing weather forecasts made by Pangu-Weather (Source: ECMWF)
Dự đoán của Pangu-Weather bao gồm địa thế, độ ẩm cụ thể, tốc độ gió và nhiệt độ. Tất cả những thông tin này rất quan trọng để dự đoán sự phát triển của các hệ thống thời tiết, quỹ đạo bão, chất lượng không khí và các kiểu thời tiết. Pangu-Weather cũng đã được sử dụng để dự đoán quỹ đạo của cơn bão Khanun, cơn bão thứ sáu trong năm nay.
ECMWF từ lâu đã kêu gọi cộng đồng dự báo thời tiết toàn cầu nỗ lực hơn nữa để sử dụng các mô hình AI làm thành phần bổ sung cho hệ thống dự báo của họ và khám phá thêm điểm mạnh và điểm yếu của các mô hình đó nhằm phục vụ mục đích hỗ trợ quản lý thời tiết.
Tiến sĩ Tian Qi cho biết: "Mục tiêu cuối cùng của chúng tôi là xây dựng khung dự báo thời tiết thế hệ mới bằng cách sử dụng các công nghệ AI để củng cố các hệ thống dự báo hiện có".
