Google DeepMind telah merilis GenCast, model prakiraan cuaca AI canggih yang melampaui sistem tradisional dalam hal kecepatan dan akurasi.
Oleh memanfaatkan pembelajaran mesin untuk menganalisis data historis selama beberapa dekade, model ini menawarkan wawasan yang dapat ditindaklanjuti mengenai cuaca ekstrem, perencanaan energi terbarukan, dan kesiapsiagaan bencana.
“Cuaca pada dasarnya menyentuh setiap aspek kehidupan kita… cuaca juga merupakan salah satu ilmu pengetahuan terbesar tantangan, memprediksi cuaca,”kata Ilan Price, peneliti senior di DeepMind. “Google DeepMind memiliki misi untuk memajukan AI demi kepentingan umat manusia. Dan menurut saya ini adalah salah satu cara penting, salah satu kontribusi penting dalam hal tersebut.”
Kekuatan yang Belum Pernah Ada Sebelumnya dalam Prediksi Cuaca
Tidak seperti model berbasis fisika tradisional yang mensimulasikan proses atmosfer menggunakan persamaan, GenCast menggunakan pembelajaran mesin untuk mengidentifikasi pola dalam 40 tahun data cuaca global dari Arsip ERA5 ECMWF.
Inovasi model ini terletak pada penggunaannya algoritme difusi baru, teknik AI generatif mutakhir yang menyaring data yang berisik selangkah demi selangkah untuk menghasilkan prakiraan yang realistis.
Setiap prediksi berlangsung selama 15 hari dengan resolusi 0,25° lintang dan bujur, mencakup lebih dari 80 variabel atmosfer dan permukaan, seperti kecepatan angin, suhu, dan tekanan.
GenCast menggunakan perkiraan ansambel, menghasilkan 50 atau lebih kemungkinan skenario cuaca untuk periode tertentu. Pendekatan ini memperhitungkan ketidakpastian dan membantu pengambil keputusan untuk lebih mempersiapkan diri menghadapi berbagai hasil.
Efisiensi GenCast tidak ada bandingannya. Perkiraan ansambel 15 hari yang lengkap dapat dibuat hanya dalam delapan menit menggunakan satu Google Cloud TPU v5. Sebaliknya, sistem tradisional seperti ENS mengandalkan superkomputer dan membutuhkan waktu berjam-jam untuk menghasilkan perkiraan dengan cakupan serupa.
Sumber: alam
Fokus pada Peristiwa Cuaca Ekstrem
Kemampuan GenCast untuk memprediksi cuaca ekstrem telah menjadi fitur yang menentukan. Selama evaluasi, model ini sangat baik dalam memperkirakan lintasan Topan Hagibis pada tahun 2019, tujuh hari sebelum topan tersebut menghantam Jepang.
Saat badai mendekat, tim GenCast mempersempit jalur prediksi secara signifikan, menyediakan bantuan bagi petugas tanggap darurat dan pembuat kebijakan dengan data yang dapat ditindaklanjuti.
Visualisasi ini menggambarkan kinerja GenCast dalam memperkirakan Topan Hagibis, yang menunjukkan analisis kelembapan spesifik pada 700 hPa sesaat sebelum pendaratan di Jepang (ERA5) dan prediksi GenCast yang sesuai. Perkiraan satu hari (b-d) mempertahankan akurasi yang tajam, sedangkan rata-rata ansambel (e) menunjukkan kekaburan karena ketidakpastian. Untuk perkiraan yang diinisialisasi 15 hari sebelumnya (h-m), GenCast tetap lebih tajam dibandingkan versi yang terganggu (l), meskipun rata-rata ansambel (k) lebih kabur pada waktu tunggu yang lebih lama. Plot lintasan (n-q) menyoroti kemampuan GenCast untuk mempersempit ketidakpastian saat badai mendekat, menawarkan wawasan yang dapat ditindaklanjuti dengan kesalahan posisi yang lebih rendah dibandingkan model tradisional. — Sumber: alam
Kemajuan seperti ini menawarkan potensi penyelamatan jiwa. Dengan memberikan peringatan siklon tambahan selama 12 jam dibandingkan sistem tradisional, GenCast memberikan waktu penting untuk melaksanakan evakuasi dan menjaga sumber daya.
Selain siklon, GenCast menunjukkan kinerja yang kuat dalam memprediksi panas, dingin, dan cuaca ekstrem. kecepatan angin yang tinggi. Kemampuannya untuk mengantisipasi peristiwa-peristiwa seperti itu secara akurat membantu memitigasi risiko di berbagai sektor, mulai dari keselamatan publik hingga infrastruktur energi.
Implikasi terhadap Ilmu Iklim
Salah satu potensi GenCast yang menjanjikan penerapannya terletak pada energi terbarukan. Dengan meningkatkan perkiraan tenaga angin, model ini membantu operator jaringan listrik dalam menyeimbangkan pasokan dan permintaan dengan lebih efektif.
Perkiraan yang akurat memungkinkan integrasi yang lebih baik dari sumber-sumber terbarukan ke dalam jaringan energi, mengurangi ketergantungan pada bahan bakar fosil dan mendukung upaya dekarbonisasi global.
GenCast juga memiliki potensi penerapan dalam pemodelan iklim, karena akurasi prediktifnya dapat memberikan wawasan tentang tren dan variabilitas jangka panjang.
Kemampuan ini sangat penting untuk mengatasi tantangan seperti perencanaan pertanian, sumber daya air manajemen, dan perkotaan ketahanan infrastruktur.
Kolaborasi dan Akses Terbuka
Keputusan DeepMind untuk menjadikan GenCast sebagai alat akses terbuka baik dengan kode dan bobot, mencerminkan komitmennya ke inovasi kolaboratif. Kode, bobot, dan prakiraan model tersedia bagi para peneliti, ahli meteorologi, dan organisasi yang bekerja di bidang tanggap bencana, ketahanan pangan, dan adaptasi iklim.
Keterbukaan ini bertujuan untuk mempercepat terobosan ilmiah dan memperluas penerapan model di dunia nyata. dampaknya.
DeepMind menekankan pentingnya menggabungkan AI dengan metode meteorologi tradisional untuk meningkatkan prakiraan cuaca dan memenuhi kebutuhan masyarakat dengan lebih baik.
GenCast melengkapi inisiatif AI lainnya dari Google, termasuk NeuralGCM, SEEDS, dan model prediksi banjir. Alat-alat ini secara kolektif menyempurnakan layanan seperti Google Maps dan Penelusuran, memberikan pengguna informasi yang tepat waktu dan andal selama peristiwa cuaca ekstrem.
Tantangan dan Arah Masa Depan
Meskipun demikian kekuatan, GenCast menghadapi area untuk pertumbuhan. Resolusi 0,25°, meski presisi, masih jauh dari resolusi 0,1° yang dicapai model ENS terbaru. Menskalakan ke resolusi yang lebih tinggi dapat menghasilkan akurasi yang lebih besar, terutama untuk perkiraan lokal.
Tantangan lainnya terletak pada pengintegrasian model AI seperti GenCast dengan sistem meteorologi tradisional. Model berbasis fisika menyediakan data pelatihan penting dan kondisi inisialisasi untuk sistem AI, yang menggarisbawahi pentingnya mempertahankan kedua pendekatan tersebut untuk ekosistem perkiraan yang seimbang dan komprehensif.
Seiring dengan semakin sering dan parahnya kejadian cuaca ekstrem, alat seperti GenCast ditetapkan untuk memainkan peran penting dalam meningkatkan kesiapan dan ketahanan di seluruh industri dan komunitas di seluruh dunia.
