Bergabunglah dengan acara yang dipercaya oleh para pemimpin perusahaan selama hampir dua dekade. VB Transform menyatukan orang -orang yang membangun strategi AI perusahaan nyata. Pelajari lebih lanjut
Google Deepmind mengumumkan pada hari Kamis apa yang diklaimnya merupakan terobosan besar dalam peramalan badai, memperkenalkan sistem kecerdasan buatan yang dapat memprediksi jalan dan intensitas siklon tropis dengan akurasi yang belum pernah terjadi sebelumnya – tantangan lama yang telah menghindari model cuaca tradisional selama beberapa dekade.
Perusahaan meluncurkan Weather Lab, platform interaktif yang menampilkan model prediksi topan eksperimentalnya, yang menghasilkan 50 kemungkinan skenario badai hingga 15 hari sebelumnya. Lebih penting lagi, DeepMind mengumumkan kemitraan dengan Pusat Badai Nasional AS, menandai pertama kalinya agen federal akan memasukkan prediksi AI eksperimental ke dalam alur kerja peramalan operasionalnya.
“Kami menyajikan tiga hal yang berbeda,” kata Ferran Alet, seorang ilmuwan riset DeepMind yang memimpin proyek, selama briefing pers Rabu. “Yang pertama adalah model eksperimental baru yang dirancang khusus untuk topan. Yang kedua adalah, kami senang mengumumkan kemitraan dengan National Hurricane Center yang memungkinkan peramal manusia ahli untuk melihat prediksi kami secara real time.”
Pengumuman ini menandai persimpangan kritis dalam penerapan kecerdasan buatan untuk peramalan cuaca, area di mana model pembelajaran mesin dengan cepat memperoleh tanah terhadap sistem berbasis fisika tradisional. Siklon tropis – yang meliputi badai, topan, dan topan – telah menyebabkan kerugian ekonomi $ 1,4 triliun selama 50 tahun terakhir, menjadikan prediksi yang akurat sebagai masalah hidup dan mati bagi jutaan orang di wilayah pesisir yang rentan.
Mengapa model cuaca tradisional berjuang dengan jalur dan intensitas badai
Terobosan ini membahas batasan mendasar dalam metode peramalan saat ini. Model cuaca tradisional menghadapi pertukaran yang mencolok: model global, resolusi rendah unggul dalam memprediksi ke mana badai akan pergi dengan menangkap pola atmosfer yang luas, sementara model regional, resolusi tinggi yang lebih baik memperkirakan intensitas badai dengan berfokus pada proses turbulen dalam inti badai.
“Membuat prediksi siklon tropis sulit karena kami mencoba memprediksi dua hal yang berbeda,” jelas Alet. “Yang pertama adalah prediksi trek, jadi ke mana siklon itu akan pergi? Yang kedua adalah prediksi intensitas, seberapa kuat topan itu akan didapat?”
Model eksperimental DeepMind mengklaim untuk menyelesaikan kedua masalah secara bersamaan. Dalam evaluasi internal setelah protokol pusat badai nasional, sistem AI menunjukkan peningkatan substansial dibandingkan metode yang ada. Untuk prediksi trek, perkiraan lima hari model rata-rata 140 kilometer lebih dekat ke posisi badai yang sebenarnya daripada ENS, model ensemble berbasis fisika Eropa terkemuka.
Lebih luar biasa, sistem ini mengungguli analisis badai dan sistem prakiraan (HAFS) pada prediksi intensitas – suatu area di mana model AI secara historis berjuang. “Ini adalah model AI pertama yang sekarang sangat terampil pada intensitas siklon tropis,” kata Alet.
Bagaimana perkiraan AI mengalahkan model tradisional pada kecepatan dan efisiensi
Di luar peningkatan akurasi, sistem AI menunjukkan keuntungan efisiensi yang dramatis. Sementara model berbasis fisika tradisional dapat memakan waktu berjam-jam untuk menghasilkan perkiraan, model DeepMind menghasilkan prediksi 15 hari dalam waktu sekitar satu menit pada satu chip komputer khusus.
“Model probabilistik kami sekarang bahkan lebih cepat dari yang sebelumnya,” kata Alet. “Model baru kami, kami perkirakan, mungkin sekitar satu menit” dibandingkan dengan delapan menit yang dibutuhkan oleh model cuaca DeepMind sebelumnya.
Keuntungan kecepatan ini memungkinkan sistem untuk memenuhi tenggat waktu operasional yang ketat. Tom Anderson, seorang insinyur peneliti di tim cuaca AI Deepmind, menjelaskan bahwa National Hurricane Center secara khusus meminta perkiraan tersedia dalam waktu enam setengah jam pengumpulan data – target sistem AI sekarang bertemu lebih cepat dari jadwal.
Kemitraan Pusat Badai Nasional menguji cuaca AI
Kemitraan dengan National Hurricane Center memvalidasi peramalan cuaca AI secara utama. Keith Battaglia, direktur senior memimpin tim cuaca DeepMind, menggambarkan kolaborasi tersebut sebagai berkembang dari percakapan informal menjadi kemitraan yang lebih resmi yang memungkinkan para peramal untuk mengintegrasikan prediksi AI dengan metode tradisional.
“Itu bukan kemitraan resmi saat itu, itu hanya semacam percakapan yang lebih santai,” kata Battaglia tentang diskusi awal yang dimulai sekitar 18 bulan yang lalu. “Sekarang kami semacam bekerja menuju semacam kemitraan yang lebih resmi yang memungkinkan kami memberi mereka model yang kami bangun, dan kemudian mereka dapat memutuskan bagaimana menggunakannya dalam bimbingan resmi mereka.”
Waktu terbukti sangat penting, dengan musim badai Atlantik 2025 sudah berlangsung. Peramal Hurricane Center akan melihat prediksi AI hidup bersama model dan pengamatan berbasis fisika tradisional, berpotensi meningkatkan akurasi perkiraan dan memungkinkan peringatan sebelumnya.
Kate Musgrave, seorang ilmuwan peneliti di Institute Cooperative For Research di atmosfer di Colorado State University, telah mengevaluasi model DeepMind secara mandiri. Dia menemukan itu menunjukkan “keterampilan yang sebanding atau lebih besar daripada model operasional terbaik untuk trek dan intensitas,” menurut perusahaan. Musgrave menyatakan dia “berharap untuk mengkonfirmasi hasil-hasil itu dari perkiraan waktu nyata selama musim badai 2025.”
Data pelatihan dan inovasi teknis di balik terobosan
Efektivitas model AI berasal dari pelatihannya pada dua set data yang berbeda: data analisis ulang yang luas yang merekonstruksi pola cuaca global dari jutaan pengamatan, dan database khusus yang berisi informasi terperinci tentang hampir 5.000 topan yang diamati dari 45 tahun terakhir.
Pendekatan ganda ini merupakan keberangkatan dari model cuaca AI sebelumnya yang berfokus terutama pada kondisi atmosfer umum. “Kami melatih data spesifik topan,” Aleet menjelaskan. “Kami melatih IBTRACS dan jenis data lainnya. Jadi IBTRACS menyediakan garis lintang dan bujur dan intensitas dan jari -jari angin untuk beberapa topan, hingga 5000 siklon selama 30 hingga 40 tahun terakhir.”
Sistem ini juga menggabungkan kemajuan terbaru dalam pemodelan probabilistik melalui apa yang oleh DeepMind disebut Functional Generative Networks (FGN), yang dirinci dalam makalah penelitian yang dirilis di samping pengumuman tersebut. Pendekatan ini menghasilkan ansambel perkiraan dengan belajar mengganggu parameter model, menciptakan variasi yang lebih terstruktur daripada metode sebelumnya.
Prediksi badai masa lalu menunjukkan janji untuk sistem peringatan dini
Weather Lab diluncurkan dengan lebih dari dua tahun prediksi historis, memungkinkan para ahli untuk mengevaluasi kinerja model di semua cekungan laut. Anderson menunjukkan kemampuan sistem menggunakan Badai Beryl dari tahun 2024 dan Badai Otis yang terkenal kejam dari tahun 2023.
Badai Otis terbukti sangat signifikan karena dengan cepat meningkat sebelum menyerang Meksiko, menangkap banyak model tradisional lengah. “Banyak model yang memprediksi bahwa badai akan tetap relatif lemah sepanjang masa hidupnya,” jelas Anderson. Ketika DeepMind menunjukkan contoh ini kepada peramal National Hurricane Center, “mereka mengatakan bahwa model kami kemungkinan akan memberikan sinyal sebelumnya tentang risiko potensial dari topan khusus ini jika mereka tersedia pada saat itu.”
Apa artinya ini bagi masa depan peramalan cuaca dan adaptasi iklim
Pengembangan ini menandakan pematangan kecerdasan buatan dalam peramalan cuaca, mengikuti terobosan baru -baru ini oleh graphcast DeepMind dan model cuaca AI lainnya yang telah mulai mengungguli sistem tradisional dalam berbagai metrik.
“Saya pikir untuk yang cukup awal, Anda tahu, beberapa tahun pertama, kami sebagian besar berfokus pada makalah ilmiah dan kemajuan penelitian,” Battaglia merefleksikan. “Tapi, Anda tahu, karena kami telah dapat menunjukkan bahwa sistem pembelajaran mesin ini menyaingi, atau bahkan mengungguli, jenis sistem berbasis fisika tradisional, memiliki kesempatan untuk membawa mereka keluar dari jenis konteks ilmiah ke dunia nyata benar-benar menarik.”
Kemitraan dengan lembaga pemerintah adalah langkah penting menuju penyebaran operasional sistem cuaca AI. Namun, DeepMind menekankan bahwa Weather Lab tetap menjadi alat penelitian, dan pengguna harus terus mengandalkan lembaga meteorologi resmi untuk perkiraan dan peringatan otoritatif.
Perusahaan berencana untuk terus mengumpulkan umpan balik dari lembaga cuaca dan layanan darurat untuk meningkatkan aplikasi praktis teknologi. Karena perubahan iklim yang berpotensi mengintensifkan perilaku siklon tropis, kemajuan dalam akurasi prediksi dapat terbukti semakin vital untuk melindungi populasi pesisir yang rentan di seluruh dunia.
“Kami pikir AI dapat memberikan solusi di sini,” Alet menyimpulkan, merujuk interaksi kompleks yang membuat prediksi siklon begitu menantang. Dengan musim badai 2025 berlangsung, kinerja dunia nyata dari sistem eksperimental DeepMind akan segera menghadapi tes utamanya.
About the Author
