מודלים מסורתיים עדיין מנבאים אירועי מזג אוויר קיצוניים טוב יותר ממודלי בינה מלאכותית

מודלי בינה מלאכותית (AI) אינם מצליחים לחזות אירועי מזג אוויר קיצוניים שוברי שיאים באותה מידה כמו מודלים מסורתיים המבוססים על פיזיקה, כך עולה ממחקר חדש שפורסם בכתב העת Science Advances. למרות שמודלי AI הוכיחו יתרונות בתחזיות מזג אוויר שגרתיות, הם מתקשים להתמודד עם אירועים חריגים שלא נצפו בעבר.

החוקרים בדקו כיצד מודלי AI ומודלים מסורתיים הצליחו לדמות אלפי אירועי מזג אוויר שוברי שיאים – חמים, קרים ורוחניים – שנרשמו בשנים 2018 ו-2020. התוצאות הראו כי מודלי AI מזערים הן את תדירות אירועי השיא והן את עוצמתם. אחד ממחברי המחקר אמר ל-Carbon Brief כי הניתוח מהווה אזהרה מפני החלפת מודלים מסורתיים במודלי AI בתחום חיזוי מזג האוויר באופן מהיר מדי.

מדוע אירועי מזג אוויר קיצוניים הם אתגר למודלי AI?

אירועי מזג אוויר קיצוניים, כגון שיטפונות, גלי חום וסופות, גורמים לנזקים כלכליים של מאות מיליארדי דולרים מדי שנה באמצעות הרס של שטחי חקלאות, פגיעה בתשתיות ואובדן חיי אדם. ממשלות רבות מפעילות מערכות התרעה מוקדמת כדי להזהיר את הציבור ולגייס צוותי חירום לטיפול באירועים קרובים. מערכות אלו הוכיחו את עצמן ככלי חיוני לצמצום נזקים והצלת חיים.

עד לאחרונה, מדענים השתמשו במודלים של תחזית מזג אוויר מספרית (NWP) המבוססים על חוקי פיזיקה. מודלים אלו משתמשים במשוואות מורכבות המדמות תהליכים באטמוספירה ובאוקיינוס, המבוססים על עשרות שנים של מחקר מדעי. בשל כך, הם מכונים מודלים מבוססי פיזיקה.

מנגד, מודלי AI צוברים פופולריות כאפשרות חלופית לחיזוי מזג האוויר. במקום להסתמך על פיזיקה, מודלים אלו משתמשים בגישה סטטיסטית: הם מקבלים כמויות עצומות של נתוני מזג אוויר היסטוריים (נתוני אימון) ולומדים לזהות דפוסים לצורך ביצוע תחזיות. כאשר נדרשת תחזית חדשה, המודל AI מסתמך על הידע שנצבר ומיישם את הדפוסים המוכרים לו.

יתרונות וחסרונות של מודלי AI בתחזית מזג האוויר

למודלי AI יש מספר יתרונות משמעותיים:

• צריכת מחשוב נמוכה יותר: הם אינם דורשים הרצת אלפי משוואות מתמטיות כמו מודלים מבוססי פיזיקה.
• דיוק גבוה יותר בתחזיות שגרתיות: מחקרים רבים הראו כי מודלי AI עולים על מודלים מסורתיים בתחזיות מזג אוויר יומיומיות.

עם זאת, למודלי AI יש גם מגבלות משמעותיות:

«מודלי AI תלויים מאוד בנתוני האימון שלהם ומוגבלים לטווח הנתונים שעליהם הם התאמנו», אמר פרופ' סבסטיאן אנגלקה, מחבר המחקר ממכון המחקר לסטטיסטיקה ומדעי המידע באוניברסיטת ז'נבה, ל-Carbon Brief. «הם מתקשים לדמות אירועי מזג אוויר חדשים שלא נצפו בעבר, ועלולים להעריך באופן שגוי אירועים חריגים שלא היו כלולים בנתוני האימון».

כתוצאה מכך, קשה לדעת אם מודלי AI מסוגלים לדמות אירועי מזג אוויר קיצוניים חסרי תקדים – אירועים שמעצם הגדרתם מעולם לא נצפו בעבר.

אירועי מזג אוויר שוברי שיאים הופכים לתופעה תדירה יותר

אירועי מזג אוויר קיצוניים הופכים להיות תכופים ועזים יותר כתוצאה מהתחממות הגלובלית. אירועים שוברי שיאים – אלו ששוברים שיאים קיימים במרווחים גדולים – מהווים אתגר מיוחד למודלים, שכן הם חורגים מהדפוסים המוכרים ל-AI.

המחקר החדש מדגיש את החשיבות של שילוב בין מודלים מסורתיים למודלי AI, תוך שמירה על יתרונותיהם של כל אחד מהם. בעוד שמודלי AI יכולים לספק תחזיות מהירות ומדויקות עבור אירועים שגרתיים, מודלים מבוססי פיזיקה נותרים הכלי המועדף לחיזוי אירועים קיצוניים שלא נצפו בעבר.