Một hệ thống trí tuệ nhân tạo (AI) mới mang tên Aardvark Weather đang khiến giới khoa học dự báo thời tiết phải chú ý. Theo công bố trên tạp chí Nature ngày 20 tháng 3, thuật toán học máy này không chỉ nhanh hơn hàng chục lần so với các hệ thống truyền thống mà còn hoạt động hiệu quả trên một chiếc máy tính bàn thông thường, thay vì phải cần đến các siêu máy tính đồ sộ và tốn kém.
“Khi nhìn vào các hệ thống dự báo thời tiết hiện nay — vốn được phát triển trong nhiều thập kỷ — chúng tôi thực sự bất ngờ khi chỉ trong 18 tháng, có thể tạo ra một hệ thống cạnh tranh với những công cụ hàng đầu, chỉ cần dùng một phần mười dữ liệu và chạy được trên máy tính bàn,” kỹ sư Richard Turner từ Đại học Cambridge (Anh) chia sẻ.
Thông thường, các dự báo thời tiết hiện nay dựa trên việc nhập dữ liệu vào các mô hình vật lý phức tạp, một quy trình gồm nhiều bước và phải mất vài giờ để tính toán trên siêu máy tính. Aardvark thì đi đường vòng. Thay vì mô hình hóa khí quyển, hệ thống này dùng dữ liệu thô từ vệ tinh, trạm quan trắc, tàu biển và bóng thám không để đưa ra dự đoán. Trong đó, dữ liệu vệ tinh đóng vai trò đặc biệt quan trọng.
Các nhà nghiên cứu cho rằng, cách tiếp cận mới này không chỉ tiết kiệm chi phí, tăng tốc độ mà còn nâng cao độ chính xác của dự báo. Trong khi những hệ thống hiện tại cần một đội ngũ vận hành và hạ tầng siêu máy tính, thì Aardvark chỉ cần vài phút để xử lý dự báo ngay trên máy tính cá nhân.
Khi so sánh với các hệ thống đang được sử dụng toàn cầu như GFS (Hệ thống Dự báo Toàn cầu của Mỹ), Aardvark tỏ ra vượt trội, dù chỉ sử dụng 8% lượng dữ liệu mà GFS cần. Kết quả dự báo của nó cũng tương đương với Cơ quan Thời tiết Quốc gia Mỹ.
Tuy nhiên, độ phân giải không gian của Aardvark hiện vẫn thấp hơn so với các hệ thống tiên tiến hiện tại. Mỗi ô dữ liệu trong mô hình của Aardvark tương ứng với khu vực có kích thước 1,5 độ vĩ độ và 1,5 độ kinh độ, trong khi GFS có thể xử lý dữ liệu chi tiết tới từng 0,25 độ.
Dù vậy, do là mô hình học máy, Aardvark có thể được huấn luyện để phục vụ từng mục tiêu cụ thể, chẳng hạn như dự báo nhiệt độ cho nông nghiệp ở châu Phi hay tốc độ gió phục vụ năng lượng tái tạo tại châu Âu. Nếu có dữ liệu khu vực đủ chi tiết, hệ thống cũng có thể tích hợp để cải thiện dự báo cho từng địa phương.
“Đây mới chỉ là bước khởi đầu của Aardvark,” đồng tác giả Anna Allen từ Đại học Cambridge cho biết. “Cách tiếp cận học sâu đầu-cuối này có thể dễ dàng áp dụng cho nhiều vấn đề dự báo thời tiết khác như bão, cháy rừng, lốc xoáy, và thậm chí cả các hiện tượng môi trường như chất lượng không khí, động lực học đại dương và dự báo băng biển.”
Aardvark còn có tiềm năng hỗ trợ các trung tâm dự báo ở những khu vực thiếu điều kiện kỹ thuật, nơi không thể chuyển hóa các dự báo toàn cầu thành dự báo khu vực chi tiết.
“Đột phá của Aardvark không chỉ là về tốc độ — mà còn là khả năng tiếp cận,” Scott Hosking, nhà nghiên cứu AI tại Viện Alan Turing (Anh), nhận định. “Việc chuyển công nghệ dự báo thời tiết từ siêu máy tính sang máy tính cá nhân có thể mở ra cơ hội tiếp cận công nghệ này cho các quốc gia đang phát triển và những khu vực còn thiếu dữ liệu.
