AI dù đã phát triển đến mấy thì cũng chưa dự báo chính xác thời tiết, đặc biệt là bão lớn

Dù có đa dạng công nghệ và phương pháp dự đoán khí tượng, thậm chí sử dụng cả AI nhưng không phải lúc nào cũng dự báo được hết hiện tượng thời tiết gì sẽ xảy ra. Muốn đoán chuẩn đều phải cần đến sự giúp sức của người và máy móc.

Ngành dự báo khí tượng thuỷ văn đã phát triển vượt bậc kể từ lần đầu tiên xuất hiện vào những năm trước công nguyên khi mà con người dựa trên các 'tín hiệu vũ trụ' đúng nghĩa như chu kỳ của mặt trăng, số lượng mây, màu trời,... Cho đến các phương pháp hiện đại dựa vào toán học trên các hiện tượng khí tượng. Và hiện nay, dù công nghệ dự đoán có đỉnh cao đến mức nào đi chăng nữa, thì cũng cần phải có bàn tay con người nhúng vào để có thể đưa ra kết luận chính xác nhất.

Nhìn chung, hiện nay những sự kiện thời tiết thông thường như mưa, áp thấp nhiệt đới,... đã có thể được dự đoán chính xác dựa vào các phương pháp gom dữ liệu dấu hiệu và tính toán. Như việc dự đoán mưa kể từ năm 1990 vẫn rất tốt và chính xác, tương tự như tỷ lệ dự đoán và theo dõi áp thấp cũng cải thiện hơn 50% trong vòng 30 năm.

Nhưng vẫn còn một hiện tượng không thể nào tiên đoán kịp thời được, đó là thunderstorm, hay còn gọi là bão với giông tố và sấm sét. Tương tự như bão Noru hình thành rất vội vàng, không thể đoán được trước dẫn đến tình cảnh nhiều khu vực tạiPhilippines chưa có sự chuẩn bị kỹ càng.

Sử dụng AI mà máy học (Machine Learning) trong dự đoán bão

Ở thời điểm hiện tại, phương pháp dự đoán khí tượng thuỷ năm chính sẽ dựa vào mô hình số liệu thời tiết để đưa ra phán đoán. Mô hình này hoạt động dựa theo cơ chế quan sát tình trạng của thời tiết hiện tại thông qua các trạm thời tiết, vệ tinh,... để thu thập và 'giải' được công thức chuyển động của không khí để đưa ra kết luận thời tiết.

Mô hình này hoạt động rất hoàn hảo gần như ở mọi dạng thời tiết, trừ các loại hiện tượng hình thành cục bộ, tức là ở quy mô nhỏ. Điển hình là các cơn bão khi ban đầu hình thành ở quy mô nhỏ và lớn dần theo thời gian.

Để hỗ trợ tốt hơn trong lĩnh vực dự đoán các 'ca khó', các chuyên gia đã áp dụng thuật toán máy học, đầu tiên là thuật toán 'random forests' sử dụng cấu trúc 'Cây quyết định' (decision tree) để phân chia khối dữ liệu lớn đã thu được từ các trạm thời tiết và tự động dự đoán. Về cơ bản công cụ này vẫn hoạt động dựa theo cách dự đoán thời tiết truyền thống, nhưng đưa ra nhiều thông tin tổng thể hơn, bao gồm phân tích xem liệu mưa có đủ gây lũ lụt hay không.

Ngoài mưa, phương pháp này còn rất hiệu quả trong việc dự đoán lốc xoáy, mưa đá, và gió bão. Ngoài ra ở một số đơn vị dự đoán khác còn nâng cấp công cụ này lên một 'tầm cao' mới, cụ thể là kênh National Weather của Mỹ còn nhờ AI đưa ra các kết luận về thời tiết độc hại để cảnh báo trong ngày.

Ngoài ra, các quy trình máy học còn hỗ trợ con người trong việc tính toán các dữ liệu thời tiết nhanh hơn và thông minh hơn. Ví dụ như thông qua các dữ liệu về hơi nước có thể nhanh chóng đưa ra kết luận liệu sẽ có mưa, tuyết hay mưa đá, rất tiết kiệm thời gian và vô cùng chính xác.

Các thuật toán máy học và AI rất có tiềm năng trong lĩnh vực dự đoán khí tượng. Vì thế, đã có một vài nghiên cứu để chắc chắn rằng liệu chúng có phải là phương pháp hoàn hảo để thay thế cho cách dự đoán dựa trên tính toán truyền thống hay không. Và câu trả lời là không, ít nhất là ở thời điểm hiện tại, các thuật toán thông minh chỉ có thể đoán được các tín hiệu chung chung chứ không đưa ra các chi tiết rõ ràng về thời tiết của địa phương.

Để dễ hình dung, bên trên là quá trình dự báo của thuật toán máy học vào tháng 12 năm 2021 để phân tích cơ hội xảy ra các hiện tượng thời tiết xấu. Bao gồm 8 ngày trước khi xảy ra hiện tượng (góc phải dưới) cho đến 3 ngày trước khi xảy ra hiện tượng (góc trái trên), cho thấy càng sát ngày xảy ra thiên tai thì các thuật toán mới dự báo được (màu đỏ là lốc xoáy, giông tố là màu xanh dương, và mưa đá xanh lá) .

Mất tận 3 ngày mới đoán được thiên tai, trong khi 3 ngày sẽ gây khó khăn trong việc chuẩn bị kỹ càng để chống thiên tai, chỉ kịp sơ tán người dân, còn tài sản thì chịu. Như cơn bão Noru vừa qua xuất hiện quá đột ngột ởPhilippines gây thất thoát nhiều về tài sản, phá hoại nhà cửa, nông sản nặng nề.

Giới hạn của AI và vai trò 'đầu não' của con người

Như đã thấy ở trên, tốc độ tiên đoán thời tiết của máy học hiện tại chỉ dừng lại ở mức 'sương sương', không đủ nhanh để ứng phó và không đủ vượt trội để thay thế phương pháp tính toán truyền thống. Căn bản là do máy học hiện tại chưa thể thu thập được hết các quy luật vật lý ảnh hưởng đến bầu khí quyển - một tác nhân rất mạnh ảnh hưởng đến sự hiện diện của các hiện tượng thời tiết.

Vì lẽ đó, các thuật toán có thể dự đoán 'trật' so với những gì sẽ xảy ra, ví dụ như dựa trên các thông tin về nhiệt độ tăng dần (ví dụ 1 độ tăng dần trong 1 ngày), máy học có thể dự đoán ra mức nhiệt nằm ngoài giới hạn chịu đựng thông thường thông qua thông tin đã thu thập được, chẳng hạn như báo hôm đó sẽ nóng lên đến 100 độ C (dự đoán dựa vào mức tăng nhiệt), ai mà chịu cho thấu?

Việc đoán sai này sẽ dễ xảy ra hơn trong những trường hợp thời tiết khó lường, hoặc những hiện tượng lạ lẫm, dẫn đến việc gặp các cảnh báo giả do máy học là rất cao. Do đó phải có con người đứng ra 'canh chừng'.

Hơn nữa, việc dựa dẫm quá nhiều vào AI và thuật toán máy học có thể đem đến các lo ngại về sự lãng phí tài nguyên. Việc áp dụng máy học và luyện tập chúng trong khi chẳng mang lại hiệu quả gì lớn lao, trong khi đó phải tốn chi phí 'luyện' AI và thuật toán cho mỗi vùng riêng biệt.

Điều này dẫn đến một hệ quả khác, các đơn vị dự báo thời tiết sẽ gặp vấn đề trong việc tối ưu nguồn lực, làm sao để cân bằng giữa các AI dự báo tự động và kiến thức dự báo thời thiết 'chạy cơm' từ các chuyên gia. Nếu không áp dụng các công cụ máy học, AI vào dự báo thời tiết sớm thì không thuận lợi để thúc đẩy các công nghệ tiên đoán, nhưng nếu cứ cố chấp để các công cụ tiên đoán vào sẽ làm ảnh hưởng đến quy trình làm việc hiện tại của một tập thể.

Vì thế, hiện tại AI vẫn đóng vai trò dưới dạng công cụ, để các chuyên gia dự đoán nhanh hơn, chứ không thể nào dự đoán độc lập bởi những vấn đề nêu trên. Nhờ vào AI, những người phụ trách dự báo sẽ có nhiều thời gian hơn để liên lạc, trao đổi thông tin với công chúng để đưa ra các cảnh báo sớm hơn.

Con người vẫn là yếu tố then chốt

Hiện tại, những cơn bão được hình thành bất chợt hay những hiện tượng thời tiết không có dấu hiệu sớm luôn là thách thức đối với AI bởi việc dự đoán thời tiết là sự kết hợp từ nhiều khía cạnh: Quan sát, tính toán dữ liệu, vật lý và chu kỳ thời tiết. Những thứ này không phải dữ liệu thuần ngày 1 ngày 2 mà AI có thể thu thập và dự đoán được, vì thế hiện tại vai trò của con người vẫn nắm then chốt. Có lẽ chúng ta cần thêm thời gian để các AI dự báo thời tiết được hoàn thiện.

Có lẽ việc có lợi nhất mà AI 'cống hiến' cho ngành dự báo thời tiết đó là việc quảng cáo. Như kênh The Weather Chanel, nguồn dự báo thời tiết của đa phần các ứng dụng mặc định trên điện thoại, laptop đang sử dụng AI để đưa ra quảng cáo phù hợp với thời tiết sắp tới nhằm tối ưu lợi nhuận. Riêng về mảng này thì AI và thuật toán máy học làm rất tốt, nhìn Facebook là biết ngay.

• Xem thêm các bài viết chuyên mụcKhám phá