Ai có khả năng dự báo thời tiết chính xác 100%?

Ai sẽ được lợi lớn từ tăng cường số hóa dự báo thời tiết

Dự báo thời tiết không chỉ dành cho dân du lịch đang lên kế hoạch nghỉ dưỡng cuối tuần với bạn bè hoặc một chuyến đi đến một địa điểm xa xôi tuyệt đẹp. Cập nhật dự báo thời tiết còn có ý nghĩa khác đối với doanh nhân, chính phủ và nông dân, giúp họ chuẩn bị tỉ mỉ hơn để ứng phó với thảm họa thiên nhiên có thể xảy ra, nông dân đưa ra quyết định chính xác hơn trong canh tác, trồng trọt, thu hoạch. 

Ngay cả các công ty hàng không cũng sẽ có lợi trong việc lập sơ đồ các tuyến bay hoặc quyết định về việc cần thiết phải hủy các chuyến bay trong trường hợp có bão hoặc hạ cánh khẩn cấp. Nhưng hãy tưởng tượng đến hậu quả khi dự đoán của nhà khí tượng học bị sai.

Chính phủ và các tập đoàn lớn đầu tư hàng tỷ đô la mỗi năm vào dự báo thời tiết vì lý do chính đáng. Không có ngành nào của nền kinh tế không chịu tác động trực tiếp hoặc gián tiếp của thời tiết. Và ngành dự báo thời tiết chỉ cần tiến bộ từng chút một để đạt được chút lợi thế khiêm tốn, cũng có thể tạo ra sự khác biệt lớn, trong bối cảnh thời tiết ảnh hưởng quá nhiều đến nền kinh tế.

Có lẽ điều thú vị nhất về máy học trong dự báo thời tiết là được kết hợp với dữ liệu khác về hành vi con người khi bắt đầu hiểu được tất cả những cách tinh tế mà thời tiết tác động đến sự lựa chọn của chúng ta, từ thức ăn đến giải trí. Thông tin thời tiết càng được tinh chỉnh và bản địa hóa, thì càng tìm thấy sự kết nối riêng biệt.

Trong khi người Mỹ quen với việc sử dụng điện thoại của họ để biết được thông tin báo bão thì hàng giờ, hàng tỉ người trên toàn cầu thậm chí còn thiếu cách để tiếp cận những dự báo cơ bản. Đối với hãng hàng không như American Airlines, dự báo thời tiết quốc tế tốt hơn có nghĩa là hành khách có thể di chuyển một cách bình yên hơn khi đi vào vùng nhiễu động. Steve Abelman, Giám đốc Công nghệ thời tiết của hãng hàng không này cho rằng, nếu có được hình ảnh có độ phân giải chính xác hơn về sự kiện thời tiết đó, hãng sẽ tự tin hơn nhiều để vận hành chuyến bay theo kế hoạch.

Rõ ràng, thời tiết ảnh hưởng đến thói quen tiêu dùng. Mưa có thể khiến lượng đơn đặt hàng tăng vọt. Nhiệt độ giảm có thể khiến lượng mua cà phê đá giảm đáng kể.

Walmat phát hiện ra rằng vì một số lý do mà mọi người muốn quả mọng (Berry) vào những ngày yên tĩnh khi nhiệt độ dưới 26 ºC. Bằng cách nhắm mục tiêu quảng cáo ở những địa điểm có điều kiện thời tiết cụ thể này, doanh số quả mọng của công ty tăng gấp ba lần.

Hai thương hiệu kem nổi tiếng cũng đã sử dụng dịch vụ thời tiết của IBM để cải thiện doanh số bán hàng. Không phải tự dưng như vậy. IBM phát hiện ra rằng cho dù trong thời tiết ấm áp hay khi mát lạnh, cảm hứng ăn kem dường như vẫn vẹn nguyên. Những hiểu biết về thời tiết của IBM đã giúp các thương hiệu tăng doanh số bán hàng lên 26% và giảm lượng rác thải xuống 35%.

Năm 2013, Monsanto của Mỹ đã mua lại Climate Corporation, mở đường cho cung cấp dịch vụ dự báo thời tiết địa phương cho nông dân. Climate Corporation đã sử dụng nhiều nguồn khác nhau và máy học để tối ưu hóa các dự đoán thời tiết dành riêng cho nông nghiệp. Để tăng cường khả năng dự báo và phân tích, Monsanto tiếp tục mua HydroBio, một công ty phần mềm nông nghiệp có trụ sở tại Denver, bang Colorado sử dụng kết hợp hình ảnh vệ tinh, dữ liệu đất và dữ liệu thời tiết địa phương để cung cấp thông tin chi tiết về tưới tiêu cho nông dân, giúp các trang trại bớt lãng phí nguồn nước, cải thiện năng suất. 

Theo IBM, 90% thiệt hại về mùa màng là do các hiện tượng thời tiết và 25% thiệt hại do thời tiết có thể được ngăn chặn bằng cách sử dụng mô hình dự báo thời tiết. Dự báo thời tiết không chỉ có ích trực tiếp cho công việc đồng áng mà còn ảnh hưởng trực tiếp đến khâu vận chuyển. Nhiều nẻo đường nông thôn trên khắp thế giới là đất, và biết khi nào con đường này đủ khô để sử dụng là điều quan trọng đối với nông dân. Thời tiết quá khắc nghiệt đã buộc Chương trình Bảo hiểm Cây trồng liên bang Hoa Kỳ thậm chí phải bồi thường 17,5 tỷ USD năm 2012 và 3,5 tỷ USD năm 2016.

Dự báo thời tiết nhìn chung đã cải thiện công tác vận chuyển theo nhiều cách khi giúp tàu bè tránh bão thuận tiện, và dữ liệu siêu cục bộ chính xác kết hợp với máy học đang cho phép các công ty tăng cường hiệu quả của các phương tiện. Theo IBM, sự chậm trễ do thời tiết gây thiệt hại cho ngành vận tải hàng hóa khoảng 8,7 tỉ USD mỗi năm. Giúp khắc phục và giảm thiểu thiệt hại này là Bảng điều khiển hoạt động của IBM dành cho Vận tải mặt đất, một công cụ kinh doanh dành cho các công ty vận tải để tối ưu hóa năng suất dựa trên dữ liệu thời tiết của IBM về điều kiện đường xá.

AI "thâu tóm" diễn biến khí hậu khắc nghiệt

Mô hình dự báo thời tiết truyền thống dựa trên phép đo thống kê các mô hình số và không đưa ra câu trả lời ở dạng nhị phân. Dữ liệu thu thập được có thể từ các vệ tinh không gian sâu, như Đài Quan sát Khí hậu Không gian Sâu của NOAA - Cơ quan Khí quyển và Đại dương Quốc gia (Mỹ), khí cầu thời tiết, hệ thống ra đa, dự báo cảnh báo thời tiết và phân tích môi trường, và đôi khi từ các cảm biến dựa trên IoT. 

Tuy nhiên, lượng dữ liệu ngày càng tăng với tốc độ chưa từng thấy, điều kiện khí quyển thay đổi, độ chính xác của dự đoán có thể dao động đòi hỏi yêu cầu bức thiết phải xử lý. Khi đó, AI có thể chứng minh một tài sản trong việc tăng cường độ chính xác và độ tin cậy của dự báo thời tiết trong khi giảm bớt khối lượng công việc của các nhân viên dự báo.

Một trong những vấn đề lớn nhất của dự báo hiện tại là công suất tính toán cần thiết để xử lý và hiểu tất cả dữ liệu khổng lồ đang có. Riêng NOAA đã thu thập 100 terabytes dữ liệu mỗi ngày để làm đầu vào cho các mô hình dự báo mô phỏng từ động lực học trong khí quyển và bức xạ nhiệt đến các hiệu ứng hồ và đại dương.

Các dự đoán của AI chủ yếu dựa trên các thuật toán học máy. Bằng cách xử lý dữ liệu phức tạp hơn trong một khoảng thời gian ngắn hơn khi sử dụng nguyên tắc hồi quy tuyến tính, giờ đây các nhà khí tượng học có thể đưa ra các dự đoán với độ chính xác được cải thiện, tiết kiệm sức lao động và tiền bạc, hạn chế hiểm nguy. 

Máy học cũng có thể hỗ trợ các dự báo khác, bao gồm nhiệt độ, độ cao sóng và lượng mưa. Mô hình phổ biến như vậy gọi là Dự báo thời tiết Số (NWP), nghiên cứu và điều khiển bộ dữ liệu khổng lồ được chuyển tiếp từ các vệ tinh thời tiết, trạm chuyển tiếp và đồng hồ vô tuyến để phát đi dự báo thời tiết ngắn hạn hoặc dài hạn. Công nghệ AI khác để dự báo thời tiết là Mạng Nơ ron nhân tạo, Mạng Nơ ron Tổng hợp, Mạng Lan truyền ngược, Mạng Chức năng cơ sở hướng tâm, Mạng Nơ ron hồi quy chung, Thuận toán di truyền, Perceptron nhiều lớp.

Trở lại năm 1996, IBM là một trong những công ty đầu tiên sử dụng hệ thống máy tính để cải thiện các dự đoán về thời tiết. Hiện tại, sau khi mua Công ty Weather năm 2016 và các tài sản khác bao gồm weather.com, Weather Underground, Weather Company Brand, và WSI, IBM lên kế hoạch sử dụng dữ liệu mở rộng của Công ty Weather với khả năng điện toán nhận thức tiên tiến của IBM Watson và nền tảng Đám mây - Cloud để chuyển đổi dự báo thời tiết trong tương lai. 

Kết quả của sự sáp nhập là IBM Deep Thunder cung cấp cho khách hàng doanh nghiệp những dự báo thời tiết chi tiết tại địa phương với độ phân giải từ 0,2 -1,2 dặm. Hơn thế nữa là sự ra đời của Hệ thống Dự báo Khí quyển, truyền tải những tín hiệu ngầm định, được cá nhân hóa đến khách hàng toàn cầu. Hệ thống cung cấp một loạt các dịch vụ trong đó có dự báo mất điện liên quan đến thời tiết trước 72 giờ bằng cách sử dụng mô hình học máy được cho là mô hình toàn cầu hoạt động đầu tiên chạy trên các máy chủ được tăng tốc GPU để xử lý độ phân giải cao hơn và được cập nhật thường xuyên.

Trong một cuộc "hôn nhân" lịch sử giữa siêu máy tính và Big Data, IBM tháng 11/2019 đã cho ra đời mô hình thời tiết GRAF mà họ cho rằng có thể cung cấp các dự báo chính xác hơn cho toàn thế giới. GRAF - Dự báo Khí quyển Giải pháp cao Toàn cầu, mô hình mới cung cấp độ phân giải cao dự báo toàn cầu với chi tiết khu vực nhỏ chỉ 2 dặm rộng, so với các mô hình 6-9 dặm thường thấy ở châu Âu, Mỹ và Nhật Bản.

IBM cho biết siêu máy tính mới của họ, DYEUS, được chế tạo chỉ để chạy mô hình, sẽ cung cấp 12 nghìn tỉ mẩu dữ liệu thời tiết mỗi ngày và xử lý dự báo mỗi giờ, trong khi nhiều mô hình thời tiết toàn cầu chỉ cập nhật từ sáu đến 12 giờ một lần. 

"Chúng tôi đang thực sự chạm tới cấp độ di động của giông bão, nơi mà trước đây chúng tôi không thể làm được. Và với thông tin này, chúng tôi có thể hỗ trợ tốt hơn cho những người ra quyết định quan trọng", theo Kevin Petty, người phụ trách bộ phận dự báo và khoa học, The Weather Company.

Google - gã khổng lồ công nghệ đi tiên phong bằng trình bày nghiên cứu mới về phát triển các mô hình học sâu dự báo lượng mưa vào tháng 12/2019. Nhóm đã xem công tác dự báo là việc phân tích hình ảnh và nhanh chóng tận dụng sức mạnh của công cụ mạng lưới nơ ron phức hợp (CNN) của UNET để qua đó, cho phép các nhà nghiên cứu đưa ra các dự đoán chính xác về lượng mưa trước sáu giờ. 

CNN là một loại thuật toán học sâu có kiến trúc đặc biệt có lợi cho việc phân tích hình ảnh mà ở đó một chuỗi các lớp phép toán được sắp xếp trong một đoạn mã hóa, lấy hình ảnh vệ tinh đầu vào để chuyển thành hình ảnh đầu ra. Các lớp giảm độ phân giải của hình ảnh đi qua chúng trong giai đoạn mã hóa một cách lặp đi lặp lại, tạo ra các hình ảnh ở giai đoạn mã hóa ở độ phân giải cao hơn trong giai đoạn giải mã sau. 

Google chỉ ra rằng từ góc độ sức mạnh tính toán, phương pháp này tiết kiệm hơn nhiều so với các kỹ thuật dự báo hiện có, có thể tạo các dự báo có độ phân giải một km với độ trễ từ 5 đến 10 phút, thời gian dự đoán không dưới từ 5 đến 6 giờ, ngay lập tức có thể cho ra "hiệu quả tức thời". Do đó, thay vì kiểm tra thời tiết trên điện thoại vài lần một ngày hoặc vài giờ một lần, không bao lâu nữa Google có thể truy cập dự báo chính xác từng phút.

Tháng Giêng năm 2020 chứng kiến sự hợp tác đột phá trong lĩnh vực dự báo thời tiết. Atos, công ty dẫn đầu toàn cầu về chuyển đổi kỹ thuật số, đã ký hợp đồng bốn năm trị giá hơn 80 triệu euro với Trung tâm Dự báo Thời tiết Tầm trung châu Âu (ECMWF) để cung cấp siêu máy tính BullSequana XH2000, một trong những siêu máy tính khí tượng mạnh nhất trên thế giới. 

Sự bắt tay này làm tăng khả năng tính toán của ECMWF lên khoảng 5 và hỗ trợ hàng trăm nhà nghiên cứu từ 30 quốc gia châu Âu trong công việc dự báo thời tiết tầm trung, tầm xa. Siêu máy tính cho phép các nhà khoa học dự đoán sớm một cách đáng tin cậy sự xuất hiện và cường độ của các hiện tượng thời tiết cực đoan, điều cần thiết để ứng phó với cuộc khủng hoảng khí hậu mà chúng ta phải đối mặt ngày nay. 

Tiến sĩ Florence Rabier, Tổng Giám đốc tại ECMWF cho biết: "Nhờ khoản đầu tư này, chúng tôi có thể chạy các dự báo có độ phân giải cao hơn trong vòng chưa đầy một giờ, có nghĩa là thông tin tốt hơn sẽ được chia sẻ nhanh hơn nữa giữa các quốc gia thành viên".

Tháng 10/2020, Atos và ECMWF công bố ra mắt Trung tâm Xuất sắc mới về HPC, AI điện toán lượng tử cho Thời tiết và Khí hậu tại Luân Đôn, Anh. Được trang bị siêu máy tính BullSquana mới nhất của Atos, Trung tâm Xuất sắc cũng sẽ được các chuyên gia Atos và các đối tác công nghệ hỗ trợ, những người sẽ cộng tác trực tiếp với các nhà khoa học nghiên cứu của ECMWF để phát triển các kỹ thuật mới dự báo thời tiết thế hệ tiếp theo, giúp thúc đẩy khám phá khí hậu và thời tiết. Là một phần của Trung tâm Xuất sắc mới, một trong những dự án ban đầu sẽ là phát triển các giải pháp máy học cho các ứng dụng trong quy trình dự đoán thời tiết bằng số được tùy chỉnh theo nhu cầu của mô hình hệ thống trái đất. Dự án thứ hai sẽ tìm cách phát triển phiên bản dựa trên CPU-GPU của Hệ thống dự báo tích hợp (IFS) của ECMWF và mô hình sóng WAM.

Số hóa trong dự báo thời tiết cứu nguy nhân loại

Một trong những thách thức của nhân loại là đối phó với điều kiện thời tiết khắc nghiệt. Đôi khi cơn thịnh nộ của thiên nhiên khủng khiếp đến mức có thể gây ra thảm họa chết chóc, phá hủy sự thịnh vượng của nền văn minh loài người mà rất lâu sau đó mới gượng dậy được. Sự đột phá của AI là một mong đợi hoàn hảo để cứu hàng triệu sinh mạng.

QuátrìnhdựđoánliệucósửdụngAIlàmộtviệcphứctạpvìcầndữliệukhổnglồđểphântích.Cácvệtinhthuthậpdữliệulớnvềthờitiếtkhắptoàncầumỗingàyvàcóthểđượcsửdụngđểdựđoántrongthờigianthực.Dựđoáncáckiểuthờitiếttrongtươnglaibằngphântíchdữliệuthờitiếttrongquákhứ,AIsẽchắcchắnhữuích.

Tácđộngcủasựpháttriểnnàysẽmanglợiíchvôcùngtolớnchocộngđồng.Dựđoánsớmvàchínhxácsẽcứusốnghàngtriệungườitrêntoàncầu,đặcbiệtlàởvànhđaivenbiển.Dựđoánsẽhữuíchchonhữngngườinôngdânsốngphụthuộcvàocanhtácbằngnướcmưa.Cáchệthốngcảnhbáosớmsẽngănngưdânrakhơi.

MộtnhómnghiêncứutạiNOAApháthiệnrarằngviệc"ápdụngcáckỹthuậtAIcùngvớisựhiểubiếtvậtlýmôitrườngcóthểcảithiệnđángkểkỹnăngdựđoánđốivớinhiềuloạithờitiếtcótácđộngmạnh"nhưgiôngbãonghiêmtrọng,lốcxoáy.Năm2019,mộtnhómnghiêncứukháctừAccuWeather,Inc.,vàĐạihọcAlmeriacủaTâyBanNhađãthiếtkếmôhìnhmáytínhcóthểpháthiệnchuyểnđộngcủacácđámmây"hình dấu phẩy"trongảnhvệtinh.Nhữngđámmâynàyrấtkhónhậnthấyvàcóliênquanđếnsựhìnhthànhlốcxoáy.Môhìnhnàycóthểdựbáokếtquảvớiđộchínhxác99%,trungbình40giâychomỗilầndựtoán.

CácnhànghiêncứucủaÉcolePolytechniqueFédéraledeLausanne,ThụySỹsửdụngdữliệukhítượngtiêuchuẩnvàmáyhọcđểxâydựngmộthệthốngđơngiảncóthểdựđoánsétđánhđếngầntrongkhoảngtừ10-30phútvớibánkính18,6dặm.Nhómnghiêncứuđãthuthậpdữliệuvềcáclầnsétđánhtrướcđâytừ12trạmthờitiếtcủaThụySĩcảkhuvựcđôthịvàmiềnnúitừnăm2006-2017.Sauđó,sửdụngdữliệutươngtựđểlậpmộtthuậttoánđưaracácdựđoánvềcácvụsétđánhmới,trongquytrìnhdựbáo.Thuậttoáncóđộchínhxác80%.

Nămngoái,cácmôhìnhAIcủaPanasonicđãgiúpđưaranhữngdựđoánchínhxácnhấtvềsựđổbộcủacơnbãoIrmatrànvàođảoMarco,bangFlorida,đặcbiệtlàxácđịnhvịtrícơnbãnsẽtiếntớitrướcbốnđếnbảyngày.Thựctế,AIđãđồnghànhvớidựbáothờitiết20nămqua.Nhưnggiờđây,vớisựtiếnbộtrỗidậycủahọcmáy,AImớiđượcpháttriểnvượtbậc.CáctrungtâmđãnhanhchóngsửdụngsiêumáytínhkếthợpvớiAI,cùngphươngpháptiếpcậntheođịnhhướngdữliệunhằmhướngtới  những dự đoán có độ chính xác cao nhất có thể.

TheoDavidJohnGagne,nhàkhoa họcmáyhọctạiTrungtâmQuốcgiaNghiêncứuKhíquyểnMỹ(NCAR),ngườiđãcùnglàmviệcvớicácnhàkhoahọctạicácphòngthờitiếtvàkhíhậukhácnhauđểpháttriểnAIvàhệthốngmáyhọc:hãynghĩxemđiềunàycó ý nghĩa gì nếu cảnh báo một cơn lốc xoáy cần thêmhaiphút.Hai phút đó cũng đủ khiến người gặp nạn tìmđượcmộtnơitrúẩnantoàn. Ông cùng với các nhà khoahọckháctạiNCARđangsử dụng mạng lưới nơ ron nhưmộtphầncủamôhìnhthờitiếtđểphântíchcácyếutố bão như nhiệt độ ở các độ cao khác nhau, hướng vàtốcđộgió,dòngchảyvàđộẩm.

Môhìnhnàysauđóxácđịnhcáctínhiệucơnbãocóthểtạoramưađárơivớitốcđộ120dặmmộtgiờkhihiệntượngtiêucựcnàygâythiệthạitừ8-10tỷ USDhàngnămchỉởriêngMỹ.Gagne, lãnh đạo của dự án mưa đá, cho biết họ sử dụngmáyhọcđểướctínhkhảnăngmưađáở một khu vực cụthểtrướcmộtngày.LàmviệcvớimộtnhómtừĐạihọcOklahoma,ôngđãviếtmã ban đầu để đào tạo các môhìnhhọcmáy,nhữngmôhìnhnàycó thể tìm thấy cácphầnthôngtinkhácnhautrongcácbộdữliệukhổnglồ,khiđượcghéplạivớinhau,chothấy một trận mưa đáđanghìnhthành.Hệthốngthậmchícó thể dự đoán cơnbão sẽ tạo ra mưa đá nhỏ hay lớn.

Chỉ5nămnữathôi,thếgiớisẽđượcthấyhiệuquảcủaAItrongdựbáothờitiết.ChodùcólẽphảimấtnhiềuthậpkỷđểAIpháthuyhếttiềmnăngtronglĩnhvựcnày,vẫnchothấyxuhướngđầutưngàycàngtăngtrong5nămnữavàđộchínhxáccóthểđượccảithiệnthêm10%.

(Bài đăng ấn phẩm in Tạp chí TT&TT Số 2 tháng 2/2021)

Phương Linh