- GenCast của Google DeepMind có độ chính xác tương đương với các hệ thống dự báo thời tiết truyền thống
- Theo nghiên cứu gần đây, khi được kiểm thử trên dữ liệu năm 2019, GenCast vượt qua ENS, mô hình dự báo hàng đầu thế giới, với xác suất 97,2%
Các đặc điểm chính của GenCast
- Là mô hình học máy dựa trên AI, được huấn luyện trên dữ liệu thời tiết từ năm 1979 đến 2018 để nhận diện mẫu và dự đoán tương lai
- Trong khi mô hình truyền thống (ENS) tính toán các phương trình phức tạp dựa trên vật lý, GenCast sử dụng học máy để đưa ra dự báo hiệu quả hơn
- Sử dụng phương pháp dự báo tổ hợp để đưa ra nhiều kịch bản khác nhau:
- Ví dụ: trong dự báo đường đi của xoáy thuận nhiệt đới, hệ thống có thể đưa ra cảnh báo sớm hơn trung bình 12 giờ
- Có thể dự báo bão, thời tiết cực đoan, sản lượng điện gió và hơn thế nữa trước tối đa 15 ngày
Hiệu năng và hiệu quả nổi bật
- Tiết kiệm thời gian và tài nguyên:
- GenCast tạo ra bản dự báo 15 ngày chỉ trong 8 phút bằng Google Cloud TPU v5
- Mô hình truyền thống ENS cần vài giờ để tạo ra cùng một bản dự báo
- Giảm chi phí tính toán bằng cách bỏ qua việc giải các phương trình vật lý
- Khác biệt về độ phân giải:
- GenCast hoạt động ở độ phân giải 0,25 độ (vĩ độ và kinh độ)
- ENS vào năm 2019 hoạt động ở độ phân giải 0,2 độ và hiện nay đã được cải thiện lên 0,1 độ
- Dù có khác biệt về độ phân giải, GenCast vẫn cho thấy hiệu suất vượt trội
AI và mô hình truyền thống cùng tồn tại
- GenCast cung cấp dự báo theo khoảng cách 12 giờ, đây là điểm khác biệt so với các mô hình truyền thống cung cấp dữ liệu ở khoảng thời gian ngắn hơn
- DeepMind tập trung vào việc sử dụng GenCast cùng với các mô hình truyền thống để xây dựng độ tin cậy và sự tự tin
- GenCast có thể tạo ra tác động thực tiễn như một công cụ mới dành cho các nhà nghiên cứu khí tượng và chuyên gia dự báo
Những hạn chế tiềm ẩn của mô hình AI
- Việc so sánh hiệu năng giữa ENS và GenCast hiện chưa hoàn toàn tuyệt đối vì GenCast được kiểm thử dựa trên dữ liệu ENS của năm 2019
- Cần thêm các cải tiến như mở rộng lên độ phân giải cao hơn hoặc cung cấp khoảng dự báo ngắn hơn
- Cộng đồng khí tượng học vẫn đang cân nhắc liệu các mô hình dựa trên AI có đáng tin cậy ngang với các mô hình dựa trên vật lý hay không
Mã nguồn mở và triển vọng tương lai
- DeepMind đã công bố mã nguồn mở của GenCast để nhiều nhà nghiên cứu và người làm thực tế có thể tiếp cận hơn
- Các mô hình AI được kỳ vọng sẽ bổ trợ thay vì thay thế các mô hình truyền thống, giúp dự báo thời tiết chính xác và nhanh hơn
- Mô hình dự báo thời tiết bằng AI cho thấy khả năng đổi mới cách khai thác dữ liệu khí tượng nhằm tạo ra tác động xã hội tốt hơn
Chưa có bình luận nào.