Πώς η τεχνητή νοημοσύνη αλλάζει το παιχνίδι στην πρόβλεψη των καιρικών φαινομένων;
Κάθε ταξίδι ξεκινάει με ένα βήμα και κάθε σημαντική εξέλιξη στην τεχνολογία καταγράφεται, αρχικά, σε ένα μικρό μονόστηλο. Όπως αυτό των New York Times της 16ης Μαρτίου 1952 που έλεγε ότι το ερευνητικό ινστιτούτο του Πρίνστον απέκτησε έναν ηλεκτρονικό υπολογιστή που σε ελάχιστο χρόνο θα αξιολογεί όλες τις μεταβλητές που πρέπει να ληφθούν υπόψιν για μια ακριβή πρόβλεψη του καιρού. Η ζωή ενός μετεωρολόγου εκείνη την περίοδο θα πρέπει να ήταν αρκετά αγχωτική.
«Είναι αδύνατον για τους μετεωρολόγους στην Ουάσιγκτον να αξιοποιήσουν όλες αυτές τις μεταβλητές στον χρόνο που έχουν στη διάθεσή τους. Πρέπει να κάνουν ότι μπορούν μέσα σε 15-20 λεπτά για να καταλήξουν σε μια πρόγνωση και χρειάζονται άλλη 1,5 ώρα για να αποτυπώσουν τα συμπεράσματά τους σε διάφορα διαγράμματα. Προκειμένου να ληφθούν υπόψιν όλες οι μεταβλητές θα απασχολούσαμε μια ομάδα μαθηματικών για εβδομάδες», έγραφε η εφημερίδα αποτυπώνοντας ανάγλυφα το άγχος που είχαν οι μετεωρολόγοι στην αναμέτρησή τους με τον χρόνο.
Γενικά η υπόθεση της πρόβλεψης του καιρού πονοκεφαλιάζει το ανθρώπινο είδος από την αρχή του πολιτισμού. Καταγραφές καιρικών συμβάντων έχουν βρεθεί στη Μεσοποταμία, την Κίνα και την Ινδία. Οι αρχαίοι Αιγύπτιοι παρακολουθούσαν τα πλημμυρικά φαινόμενα του Νείλου και προσπαθούσαν να προβλέψουν τη συμπεριφορά του ποταμού. Βεβαίως, στην υπόθεση των παρατηρήσεων και των προβλέψεων έβαζε το χέρι του το εκάστοτε ιερατείο, η εξήγηση των φαινομένων περνούσε μέσα από το φίλτρο της μυθολογίας και της αστρολογίας αλλά η ουσία είναι το ερώτημα «τι καιρό θα κάνει αύριο;» μας ταλαιπωρεί μάλλον από την εποχή που αρχίσαμε να καλλιεργούμε τη γη – ίσως και από πιο πριν.
Αλλά ας επιστρέψουμε στον 20ο αιώνα.
Οι μετεωρολόγοι ήταν από τους πρώτους που αντιλήφθηκαν τις δυνατότητες που έδινε η επιστήμη των υπολογιστών για ακριβέστερες προβλέψεις. Οι πρώτες προσπάθειες γίνονται στη δεκαετία του 1940 και συστηματοποιούνται σχετικά γρήγορα, στις επόμενες δεκαετίες, με τη βοήθεια και της τεχνολογικής εξέλιξης.
Το 1952 οι μετεωρολόγοι είχαν γύρω στο 80% επιτυχία στην πρόγνωση του καιρού του επόμενου 24ώρου και αυτό θεωρείτο επιτυχία. Το ποσοστό μειωνόταν στο 55% για προγνώσεις 3-5 ημερών με σχετικά δημοσιεύματα της εποχής να αναφέρουν ότι «κάθε χρόνο ένας στρατός από Αμερικανούς μετεωρολόγους στέλνει 70 εκατ. μετρήσεις στο κέντρο ανάλυσης. Σε αυτές προστίθενται άλλες 150 εκατ. μετρήσεις από άλλα μέρη του κόσμου…».
Όλα αυτά, πέντε χρόνια, πριν την εκτόξευση του πρώτου τεχνητού δορυφόρου, του Sputnik και οκτώ χρόνια πριν την εκτόξευση του Tiros, του πρώτου μετεωρολογικού δορυφόρου.
Τηλεπικοινωνίες, πληροφορική και διαστημική τεχνολογία δημιούργησαν νέα εργαλεία στους μετεωρολόγους. Σήμερα, σε γενικές γραμμές, είμαστε σε θέση να δούμε με αρκετά μεγαλύτερη ασφάλεια τον καιρό των επόμενων ημερών. Όμως όταν καταπιάνεσαι με ένα τόσο χαοτικό μοντέλο όπως είναι ο καιρός, το να επιχειρείς να δεις τι καιρό θα κάνει μετά από δέκα ημέρες μοιάζει πολλές φορές με μαντεψιά.
Βέβαια υπάρχουν και εκείνοι που θεωρούν ότι η επιστήμη έχει πολλά να μάθει από τα μερομήνια, αλλά θα επιχειρήσουμε να παραμείνουμε σε ένα πλαίσιο σχετικής σοβαρότητας.
Οι δυνατότητες των υπερυπολογιστών αξιοποιήθηκαν και από τους μετεωρολόγους. Όσο ισχυρότερα τα συγκεκριμένα συστήματα και όσο πιο ευαίσθητα τα «μάτια» των μετεωρολογικών δορυφόρων, τόσο καλύτερες οι προγνώσεις των ειδικών.
Υπάρχει δυνατότητα βελτίωσης;
Ο καιρός της τεχνητής νοημοσύνης
Στις αρχές του Δεκεμβρίου η Google δημοσίευσε στο περιοδικό Nature μία παρουσίαση του μοντέλου GenCast. Πρόκειται για ένα μοντέλο που λαμβάνει υπόψιν του 50 διαφορετικές προβλέψεις, καθεμία από τις οποίες αντιπροσωπεύει μια διαφορετική εξέλιξη του καιρού για τις επόμενες ημέρες.
Στον πυρήνα του, το GenCast είναι ένα μοντέλο τεχνητής νοημοσύνης όμοιο με εκείνα που χρησιμοποιούμε για την παραγωγή εικόνων, βίντεο ή μουσικής. Σε αντίθεση με αυτά, δεν «ζωγραφίζει» εικόνες και δεν «συνθέτει» ήχους αλλά προσπαθεί να προβλέψει τις πιθανές εξελίξεις του καιρού, ξεκινώντας από τις τρέχουσες μετεωρολογικές συνθήκες.
Στο υλικό με το οποίο εκπαιδεύτηκε το GenCast, συμπεριλήφθηκαν όλα τα μετεωρολογικά δεδομένα που είναι διαθέσιμα στο Ευρωπαϊκό Κέντρο για τις Μεσοπρόθεσμες Προγνώσεις, γνωστό και ως ECMWF που καθημερινά παράγει μετεωρολογικές προγνώσεις. Στον κόσμο της μετεωρολογίας αποτελεί έναν από τους ισχυρότερους και πιο αξιόπιστους φορείς. Έχει ενεργό συμμετοχή στο πρόγραμμα Copernicus και, εν ολίγοις, οι προγνώσεις του φτάνουν πολλές φορές στην οθόνη των συσκευών σας χωρίς ίσως να το γνωρίζετε.
Το αρχείο του ECMWF περιλαμβάνει καιρικά δεδομένα 85 ετών, καθώς φτάνει ως το 1940, ωστόσο για το GenCast χρησιμοποιήθηκε περίπου το 50% του συγκεκριμένου όγκου.
Η στιγμή της αλήθειας έδειξε εντυπωσιακές επιδόσεις, σύμφωνα με την Google. Το GenCast λειτούργησε παράλληλα με το κορυφαίο σύστημα του ECMWF, το ENS, από το οποίο ήταν ακριβέστερο στις προγνώσεις στο 97,2% των περιπτώσεων.
Συνολικά το GenCast εμφανίστηκε να υπερτερεί του ENS και σε προβλέψεις ακραίων καιρικών φαινομένων, όπως καύσωνες και περιστατικά ισχυρών ανέμων. Η Google τόνισε, επίσης, την ταχύτητα ανάλυσης. Το GenCast χρειάζεται 8 λεπτά για να δημιουργήσει μία πρόγνωση καιρού για τις επόμενες 15 ημέρες, ενώ για το ίδιο διάστημα το ENS χρειάζεται μερικές ώρες.
Το GenCast είναι ένα μόνο από τα συστήματα τεχνητής νοημοσύνης που αναπτύσσει η Google με αντικείμενο τον καιρό. Η εταιρεία «τρέχει» και άλλα προγράμματα που ενσωματώνονται σταδιακά στο Google Maps, προσφέροντας καλύτερη πρόγνωση για ακραία φαινόμενα όπως πλημμύρες, πυρκαγιές και καύσωνες.
Αλλά η Google δεν είναι η μόνη που βάζει την τεχνητή νοημοσύνη στο παιχνίδι της πρόγνωσης.
Οι τακτικοί επισκέπτες των σελίδων του ECMWF βλέπουν εδώ και καιρό στη σχετική ενότητα των προγνωστικών μοντέλων, την προσθήκη λειτουργιών που χρησιμοποιούν τεχνητή νοημοσύνη. Ίσως, το πιο δημοφιλές να είναι το AIFS (Artificial Intelligence Forecasting System) που αναπτύχθηκε από το ίδιο το ECMWF για να ενισχύσει την ακρίβεια και την αποτελεσματικότητα των προγνώσεων καιρού. Το AIFS σχεδιάστηκε για να συμπληρώνει ή και να αντικαθιστά (σε βάθος χρόνου) παραδοσιακά μετεωρολογικά μοντέλα.
Σε ένα περιβάλλον κλιματικής αλλαγής με τα ακραία φαινόμενα να γίνονται περισσότερο βίαια και συχνότερα, οι ακριβείς προβλέψεις σώζουν ζωές και δίνουν πολύτιμο χρόνο στις υπηρεσίες έκτακτης ανάγκης για να προετοιμαστούν κατάλληλα. Το βίντεο του Economist δείχνει την έκταση του προβλήματος και κάποιες, ίσως, προσεγγίσεις με τη βοήθεια της τεχνητής νοημοσύνης.
Ακόμα και η Nvidia έχει μπει στην αρένα με μια δική της προσέγγιση. Η εταιρεία της οποίας τα chips αποτελούν τη βάση στην οποία στηρίζονται τα συστήματα τεχνητής νοημοσύνης, έχει αναπτύξει το σύστημα FourCastNet, που όπως λέει η ίδια η εταιρεία είναι το ίδιο ακριβές με τα μοντέλα του ECMWF αλλά είναι ταχύτερο και πιο αποδοτικό από ενεργειακής πλευράς. Στο πεδίο της μετεωρολογίας δραστηριοποιείται και η Microsoft με το σύστημα Aurora.
Οι λόγοι για τους οποίους οι εταιρείες τεχνολογίας ασχολούνται με τον καιρό είναι αρκετοί. Πρώτον, θέλουν να δοκιμάσουν τις δυνατότητες (και τα όρια) των μηχανών και των υπολογιστικών μοντέλων που έχουν αναπτύξει. Αν μπορούν να τα πάνε καλά προβλέποντας τι καιρό θα κάνει 10 ή 15 ημέρες μετά, θα μπορούν ίσως να κάνουν και άλλα πράγματα, που αφορούν φυσικά φαινόμενα ή χρηματιστηριακά φαινόμενα. Οι καιρικές συνθήκες επηρεάζουν τη διάθεση των ανθρώπων, συμπεριλαμβανομένων των καταναλωτικών συμπεριφορών. Αρκετές επιχειρήσεις ανά τον κόσμο θα ήταν διατεθειμένες να πληρώσουν αρκετά για να έχουν μια έγκυρη πρόγνωση καιρού που θα εκτείνεται σε βάθος αρκετών ημερών.
Σκεφτείτε διοργανωτές συναυλιών, εταιρείες μεταφορών, επιχειρήσεις που δραστηριοποιούνται σε διάφορα στάδια της εφοδιαστικής αλυσίδας και, βέβαια, εταιρείες πώλησης καταναλωτικών αγαθών.
Με τα ακραία φυσικά φαινόμενα να κάνουν όλο και πιο συχνά την εμφάνισή τους, το θέμα της ακριβούς πρόγνωσης ενδιαφέρει ιδιαίτερα και τις ασφαλιστικές εταιρείες. Επίσης, αν υπάρχει ακρίβεια στην πρόγνωση των ακραίων καιρικών φαινομένων, οι αρχές θα μπορούν να κατανείμουν κατάλληλα τις δυνάμεις τους και να προετοιμαστούν καλύτερα, σώζοντας ζωές και περιουσίες.
Για όλους αυτούς τους λόγους, η τεχνητή νοημοσύνη δείχνει ότι μπορεί να παίξει αποφασιστικό ρόλο στην ανάπτυξη συστημάτων πρόγνωσης που θα βλέπουν πιο καθαρά στο μέλλον και θα μπορούν να λειτουργήσουν ως συστήματα έγκαιρης προειδοποίησης.
Οι μετεωρολόγοι της δεκαετίας του ’50 θα ζήλευαν…
