AI mění pravidla hry v meteorologii: překonává superpočítače, šetří čas, energii i miliardy

Předpověď počasí zažívá revoluci. V době, kdy čelíme stále četnějším extrémním výkyvům počasí, je přesná meteorologická prognóza cennější než kdy dřív. Díky rychlému rozvoji umělé inteligence (AI) vznikají modely, které dokážou předpovídat vývoj počasí s vyšší přesností než tradiční superpočítače, a to při minimální spotřebě energie.

Tradiční numerické modely (NWP), které simulují chování atmosféry pomocí složitých fyzikálních rovnic, hrají v meteorologii klíčovou roli. Zároveň však narážejí na zásadní omezení. Jsou extrémně výpočetně náročné, vyžadují výkonné superpočítače a týmy odborníků na jejich správu. Jejich složitost, budovaná po desetiletí, ztěžuje rychlou inovaci a vyžaduje hluboké znalosti pro efektivní využití. Navíc často zjednodušují některé složité jevy, které se odehrávají v menším měřítku, než jsou schopny zachytit, což snižuje přesnost předpovědí.

Jak zmiňuje server LiveScience, právě vysoká výpočetní náročnost je jednou z hlavních výzev současné meteorologie, což otevírá prostor pro nové přístupy jako využití umělé inteligence.

Umělá inteligence využívá strojové učení, které nabízí slibné řešení pro řadu limitů tradičních modelů. Modely využívající AI rozpoznávají vzorce vývoje počasí na základě obrovského množství dat, satelitních, radarových, z pozemních meteorologických stanic nebo aerologických balonů. Namísto řešení fyzikálních rovnic pracují s pravděpodobnostními scénáři vycházejícími z historických i aktuálních údajů.

Jak uvádí časopis Nature, na stolním počítači generují předpovědi rychleji, s výrazně menší spotřebou energie, a přitom srovnatelnou nebo vyšší přesností. Výsledkem je efektivnější, dostupnější a udržitelnější systém meteorologických predikcí.

Pokročilá umělá inteligence zásadně mění nejen způsob, jakým počasí předpovídáme, ale i to, kdo má k těmto predikcím přístup. Díky nízké výpočetní náročnosti mohou AI modely využívat i meteorologická centra v regionech bez superpočítačů. To otevírá dveře špičkové technologii v rozvojových zemích či oblastech s nedostatkem dat.

Revoluci v dostupnosti i přesnosti ztělesňuje model GraphCast od Google DeepMind. Oproti konvenčním NWP modelům, jako je model HRES s vysokým rozlišením od Evropského centra pro střednědobou předpověď (ECMWF), dosahuje vyšší přesnosti ve více než 90 % testovaných meteorologických parametrů. Díky open-source přístupu je navíc dostupný celé vědecké komunitě, což výrazně urychluje vývoj meteorologie napříč kontinenty.

Pokročilé AI modely mohou zásadně přispět k rychlejšímu a dostupnějšímu varování před nebezpečnými projevy počasí, zejména v regionech s omezenými výpočetními zdroji, což může zásadně přispět k ochraně lidských životů a minimalizaci škod.

Národní americká laboratoř pro výzkum silných bouří (NSSL) ve spolupráci s Výzkumným institutem pro extrémní počasí (CIWRO) vyvíjí nový model WoFSCast, který dokáže každých 10 minut generovat předpovědi až na dvě hodiny dopředu s prostorovým rozlišením tři kilometry. Při testování správně předpověděl 70–80 % bouřek, což je srovnatelné s tradičními modely, ale s nižší výpočetní náročností.

Google DeepMind rovněž představil model GenCast, zaměřený na extrémní jevy jako hurikány nebo přívalové srážky. Generuje tzv. ansámblové předpovědi, sadu scénářů s mírně odlišnými vstupními podmínkami. Tato metoda zvyšuje spolehlivost předpovědí a lépe odhaduje míru nejistoty. GenCast dokáže vytvořit více než 50 takových scénářů během pouhých osmi minut.

Model Aurora, vyvíjený vědci z Pensylvánské univerzity ve spolupráci s Microsoftem, dokáže predikovat trajektorii hurikánů rychleji, levněji a s vyšší přesností než tradiční meteorologická centra. V roce 2023 jako jediný správně předpověděl dopad tajfunu Doksuri na Filipíny s čtyřdenním předstihem.

„Poprvé v historii dokáže systém umělé inteligence překonat všechna operační centra pro předpovědi hurikánů,“ uvedl docent strojního inženýrství z Univerzity v Pensylvánii a jeden z autorů výzkumu Paris Perdikaris.

Kromě toho Aurora přináší zásadní inovaci v oblasti předpovědi kvality ovzduší, která je extrémně složitá kvůli nutnosti simulovat chemické reakce a proměnlivé antropogenní emise. Tradiční modely vyžadují náročné výpočty, Aurora však zvládne vytvořit desetidenní předpověď složení atmosféry během jediné minuty. Díky tomu umožňuje rychleji reagovat na hrozící znečištění a stává se důležitým nástrojem pro ochranu veřejného zdraví.

Znamená to, že meteorologové brzy přijdou o práci? Zdaleka ne. Jak upozorňuje Scientific American, i ty nejvyspělejší AI modely mají své limity. Jsou silně závislé na kvalitě a rozsahu dat, ze kterých se učí. Pokud jsou data chybová nebo neúplná, projeví se to i na výsledcích.

Dalším problémem je „efekt černé skříňky“, tedy obtížná interpretovatelnost modelu. Není vždy jasné, jakým způsobem AI došla k určitému výsledku, což ztěžuje identifikaci případných chyb a může snižovat důvěru uživatelů.

Kromě toho musí do AI modelů pravidelně vstupovat nová data, aby dokázaly držet krok s proměnlivými klimatickými podmínkami.

AI také může selhávat při extrémech, které se v trénovacích datech nevyskytly, například u lokálních bouřek, tornád nebo extrémních srážek. V těchto případech jsou lidské zkušenosti a úsudky stále nenahraditelné. Proto meteorologové zůstávají klíčoví zejména při interpretaci výsledků a rozhodování v krizových situacích.

Vědci z ECMWF vidí budoucnost meteorologie v tzv. hybridních modelech, které kombinují výpočetní sílu umělé inteligence s fyzikálními zákony, na nichž stojí tradiční numerické modely, s lidským faktorem. Stejnou vizi sdělil ČTK i ředitel předpovědní služby Českého hydrometeorologického ústavu Radek Tomšů: „Pro předpovědi počasí bude v budoucnosti nejpřínosnější vzájemná spolupráce meteorologů a umělé inteligence, jedno z toho by nemělo nahradit druhé.“