Theo một nghiên cứu từ Đại học Columbia, độ chính xác của dự báo thời tiết ngày mai đã tăng khoảng 34% trong giai đoạn 2005-2023, nhờ vào việc ứng dụng AI và machine learning. Sự cải thiện này đặc biệt có ý nghĩa trong việc nâng cao cảnh báo sớm các đợt nắng nóng, giúp giảm thiểu rủi ro sức khỏe liên quan đến nhiệt. Các chuyên gia được khảo sát trong nghiên cứu kỳ vọng xu hướng cải thiện này sẽ tiếp tục trong tương lai, với AI là một trong những công nghệ then chốt.

AI vượt trội trong dự báo ngắn hạn và giảm chi phí mô hình khí hậu

Không chỉ dừng lại ở dự báo ngắn hạn, AI còn được ứng dụng trong các mô hình khí hậu dài hạn. Nhóm nghiên cứu của Google đã phát triển phương pháp "dynamical-generative downscaling", sử dụng generative AI để chuyển đổi các dự báo khí hậu toàn cầu có độ phân giải thô thành thông tin chi tiết ở cấp độ khu vực. Bằng cách kết hợp mô hình khí hậu khu vực dựa trên vật lý với mô hình khuếch tán generative AI, phương pháp này có thể ước tính rủi ro môi trường tương lai với độ phân giải khoảng 10 km. Nghiên cứu chỉ ra rằng so với các phương pháp truyền thống, kỹ thuật này duy trì độ chính xác cao trong khi giảm đáng kể chi phí tính toán cho các mô phỏng khí hậu quy mô lớn, đặc biệt hữu ích trong đánh giá rủi ro cháy rừng và các rủi ro khí hậu khu vực khác.

Hạn chế của AI: "Thiên nga xám" và khó dự đoán hiện tượng chưa từng có

Mặc dù có nhiều ưu điểm, AI vẫn tồn tại những hạn chế đáng kể. Một nghiên cứu từ Đại học Chicago và các cộng sự đã kiểm tra khả năng dự đoán của các mô hình thời tiết dựa trên AI đối với các hiện tượng cực đoan hiếm gặp, được gọi là "Gray Swan" (Thiên nga xám) – những sự kiện về mặt lý thuyết có thể xảy ra nhưng hầu như không xuất hiện trong dữ liệu huấn luyện. Kết quả cho thấy, khi loại bỏ các trường hợp xoáy thuận nhiệt đới mạnh khỏi dữ liệu huấn luyện, AI có xu hướng dự báo các cơn bão thực tế mạnh thành bão yếu, xác nhận rằng AI gặp khó khăn trong việc dự đoán các hiện tượng chưa từng có tiền lệ.

"Học chuyển giao" – tia hy vọng cho dự báo cực đoan

Điều thú vị là nhóm nghiên cứu cũng phát hiện ra hiện tượng "Translocation" (học chuyển giao): một AI được huấn luyện trên dữ liệu cực đoan ở một khu vực có thể dự đoán các hiện tượng tương tự ở khu vực khác. Các nhà nghiên cứu lấy ví dụ về trận mưa kỷ lục ở Dubai năm 2024, cho rằng các mẫu mưa tương tự trong dữ liệu từ các khu vực khác có thể đã được AI tận dụng để học. Điều này cho thấy AI có thể "vượt qua ranh giới địa lý" để chuyển giao các mẫu hình, giúp nắm bắt một số hiện tượng cực đoan.

Kết luận: AI cần kết hợp với dữ liệu và chuyên gia

Các nghiên cứu trên cho thấy AI có thể đóng góp đáng kể vào việc nâng cao độ chính xác của dự báo thời tiết và khí hậu, nhưng vẫn cần sự kết hợp với dữ liệu quan trắc chất lượng cao, kiến thức chuyên gia và các mô hình vật lý. AI vượt trội trong việc học các mẫu hình đã biết, nhưng việc dự đoán ngoại suy các hiện tượng thực sự chưa từng có vẫn là một thách thức lớn.

Theo Jircas

Ảnh: StockSnap / Pixabay