A káoszelmélet szerint az időjárás alapvetően kiszámíthatatlan hosszú távon – de az AI most olyan eszközt adott a meteorológusok kezébe, amely ezt a korlátot részben megkerüli. Az időjárás pontosabb előrejelzése életeket is menthet.

Az időjárás-előrejelzés egyik alapproblémája már az 1960-as évek óta ismert: Edward Lorenz MIT-professzor kimutatta, hogy a légkör viselkedése kaotikus rendszer, amelyben az apró kezdeti eltérések exponenciálisan felerősödnek. Ebből következik, hogy egyetlen előrejelzés soha nem adhat teljes képet – mindig van bizonytalanság, és ezt a bizonytalanságot számszerűsíteni kell.

Erre a célra a meteorológusok az úgynevezett ensemble módszert alkalmazzák: nem egy, hanem sok – jellemzően 10-50 – párhuzamos szimulációt futtatnak, amelyek kis mértékben eltérő kiindulópontokból indulnak. A probléma azonban az, hogy ezek a szimulációk rendkívül számításigényesek – egy 1 százalékos valószínűségű esemény megbízható előrejelzéséhez 10 000 tagból álló ensemble kellene, ami a jelenlegi szuperszámítógépes kapacitásokkal nem megvalósítható.

Hogyan oldja meg ezt a problémát a SEEDS?

A Google Research által fejlesztett megoldás három szempontból is áttörést jelent:

• A SEEDS – Scalable Ensemble Envelope Diffusion Sampler – egy generatív AI-modell, amely mindössze egy vagy két hagyományos fizikai szimulációból kiindulva képes nagy méretű előrejelzési halmazokat generálni. A modell a képgenerálásban forradalmat hozó diffúziós modellek időjárási alkalmazása – ugyanaz a technológia, amely a mesterséges intelligencia által generált képek mögött áll.
• A számítási hatékonyság terén a különbség döbbenetes. A SEEDS percenként 256 ensemble tagot képes generálni, miközben a hagyományos szuperszámítógépes szimuláció ugyanennyi taghoz órákat vesz igénybe. Ez azt jelenti, hogy olyan 10 000 tagból álló ensemble-ök válnak elérhetővé, amelyek korábban gazdaságilag és technológiailag kivitelezhetetlenek voltak.
• A ritka extrém események előrejelzése az a terület, ahol a SEEDS a leginkább kiemelkedik. A 2022-es európai hőhullám kapcsán elvégzett tesztek megmutatták, hogy a hagyományos ensemble egyetlen tagja sem jelezte előre a Lisszabon közelében mért szélsőséges hőmérsékletet – a SEEDS azonban képes volt az esemény valószínűségét számszerűsíteni és a szélsőséges forgatókönyveket is feltérképezni.

Mire használható ez az időjárás-előrejelzés terén?

A technológia nem csupán elméleti eredmény – közvetlen gyakorlati alkalmazásai vannak. A pontosabb extrém időjárási előrejelzések közvetlenül segíthetik a katasztrófavédelmi felkészülést, az energiakereskedők döntéshozatalát és a klimatológiai kockázatértékelést – olyan területeket, ahol a ritka de nagy hatású események valószínűségének ismerete döntő fontosságú.

A SEEDS eredményei a Science Advances tudományos folyóiratban jelentek meg, és a Google Research szerint ez csupán az első lépés – a generatív AI időjárási alkalmazásai az elkövetkező években várhatóan gyorsan fejlődnek tovább.