Modele tradycyjne nadal lepsze od AI w prognozowaniu ekstremalnych zjawisk pogodowych

Tradycyjne modele wciąż lepsze od AI w prognozowaniu ekstremów pogodowych

Modele pogodowe oparte na sztucznej inteligencji (AI) nie radzą sobie z prognozowaniem rekordowych zdarzeń pogodowych tak dobrze, jak tradycyjne modele klimatyczne – wynika z najnowszego badania opublikowanego w Science Advances. Choć AI od kilku lat przewyższa tradycyjne, oparte na fizyce modele w niektórych aspektach prognozowania pogody, to w przypadku ekstremalnych zjawisk wciąż ustępuje klasycznym rozwiązaniom.

Autorzy badania przeprowadzili testy, porównując skuteczność obu typów modeli w symulowaniu tysięcy rekordowych zdarzeń pogodowych – upałów, mrozów i wiatrów – zarejestrowanych w latach 2018 i 2020. Wyniki pokazały, że modele AI znacznie niedoszacowują zarówno częstotliwość, jak i intensywność takich zdarzeń.

Ostrzeżenie przed zbyt szybkim zastępowaniem tradycyjnych modeli

Jeden z autorów badania, prof. Sebastian Engelke z Uniwersytetu Genewskiego, w rozmowie z Carbon Brief określił wyniki analizy jako „sygnał ostrzegawczy” przed zbyt pochopnym zastępowaniem tradycyjnych modeli pogodowych przez rozwiązania AI. Jak podkreślił, modele oparte na sztucznej inteligencji silnie zależą od danych treningowych i są ograniczone do zakresu dostępnych informacji. Oznacza to, że mają trudności z przewidywaniem zupełnie nowych wzorców pogodowych, a jedynie odtwarzają zdarzenia podobne do tych, które już wystąpiły.

Dlaczego prognozowanie ekstremalnych zjawisk jest kluczowe?

Ekstremalne zjawiska pogodowe, takie jak powodzie, fale upałów czy burze, generują straty liczone w setkach miliardów dolarów rocznie. Ich skutki obejmują zniszczenia upraw, uszkodzenia infrastruktury oraz straty w ludziach. Wiele rządów na świecie wdrożyło systemy wczesnego ostrzegania, które pomagają przygotować społeczeństwo i zmobilizować służby ratunkowe przed nadejściem niebezpiecznych zdarzeń. Te systemy znacznie ograniczają straty i ratują życie.

Jak działają tradycyjne modele pogodowe?

Od dziesięcioleci naukowcy korzystają z numerycznych modeli prognozowania pogody, które symulują warunki atmosferyczne na dni lub tygodnie naprzód. Modele te opierają się na złożonych równaniach matematycznych, odzwierciedlających procesy fizyczne zachodzące w atmosferze i oceanach. Równania te są oparte na fundamentalnych prawach fizyki, wynikających z wieloletnich badań klimatologów. Stąd określane są mianem „opartych na fizyce”.

Zalety i wady modeli AI w prognozowaniu pogody

Modele oparte na sztucznej inteligencji zyskują na popularności jako alternatywa dla tradycyjnych metod. Zamiast opierać się na fizyce, wykorzystują podejście statystyczne. Systemy AI są szkolone na ogromnych zbiorach historycznych danych pogodowych, dzięki czemu uczą się rozpoznawać wzorce i przewidywać przyszłe zdarzenia. Do generowania nowych prognoz AI korzysta z zebranej wiedzy, naśladując znane wzorce.

Główne zalety modeli AI to:

• Mniejsze zużycie mocy obliczeniowej – nie wymagają przeprowadzania tysięcy równań matematycznych, jak tradycyjne modele.
• Wyższa skuteczność w niektórych obszarach – wiele modeli AI przewyższa tradycyjne metody w prognozowaniu typowych warunków pogodowych.

Jednak modele AI mają także poważne ograniczenia. Ich największym wyzwaniem jest niezdolność do przewidywania zdarzeń, które nigdy wcześniej nie wystąpiły. Ponieważ opierają się na danych historycznych, mają trudności z symulowaniem zupełnie nowych wzorców pogodowych, w tym rekordowych ekstremów.

Ekstremalne zjawiska stają się coraz częstsze i bardziej intensywne

Zmiany klimatu prowadzą do wzrostu częstotliwości i intensywności ekstremalnych zjawisk pogodowych. Rekordowe zdarzenia, które łamią istniejące rekordy o dużej różnicy, stają się coraz powszechniejsze. Modele AI, oparte na danych z przeszłości, mogą nie być w stanie adekwatnie przewidzieć takich sytuacji, co stanowi poważne wyzwanie dla systemów wczesnego ostrzegania.

„Modele AI zależą mocno od danych treningowych i są względnie ograniczone do zakresu tych danych. W rezultacie mają problemy z symulowaniem zupełnie nowych wzorców pogodowych, a jedynie odtwarzają zdarzenia podobne do tych, które już wystąpiły.”

Podsumowanie: AI uzupełnia, ale nie zastępuje tradycyjnych modeli

Choć modele AI mają wiele zalet i sprawdzają się w niektórych obszarach prognozowania pogody, badanie opublikowane w Science Advances pokazuje, że w przypadku ekstremalnych zjawisk wciąż ustępują tradycyjnym, opartym na fizyce modelom. Ich największym ograniczeniem jest brak zdolności do przewidywania zdarzeń, które nigdy wcześniej nie wystąpiły. Dlatego eksperci podkreślają, że AI powinna być traktowana jako uzupełnienie, a nie zastępstwo dla tradycyjnych metod prognozowania.