Παρά τη βελτίωση των καθημερινών προβλέψεων καιρού, παραμένει πρόκληση η πρόβλεψη γεγονότων που μπορεί να συμβαίνουν μία φορά στα 1.000 χρόνια, όπως τα πιο θανατηφόρα κύματα καύσωνα.
Τα παραδοσιακά μοντέλα που βασίζονται σε υπερυπολογιστές μπορούν να προβλέψουν αυτά τα γεγονότα, αλλά απαιτούν πολύ χρόνο και ενέργεια. Tα νεότερα μοντέλα πρόβλεψης, που βασίζονται στην τεχνητή νοημοσύνη, είναι καλά στις καθημερινές προβλέψεις, αλλά συχνά αποτυγχάνουν να προβλέψουν ακραία γεγονότα που δεν αντιπροσωπεύονταν στα δεδομένα εκπαίδευσής τους.
Διεθνής ομάδα ερευνητών στις Ηνωμένες Πολιτείες και τη Γαλλία, με επικεφαλής μέλη της Ομάδας Θεωρίας και Κλιματικών Δεδομένων στο Πανεπιστήμιο του Σικάγο ανέπτυξε μια νέα υβριδική μέθοδο, που δημοσιεύτηκε στο Physical Review Letters, για να λύσει το πρόβλημα.
Όπως αναφέρεται στην ιστοσελίδα του Πανεπιστημίου, η λύση τους συνδυάζει την αποτελεσματικότητα των εργαλείων Τεχνητής Νοημοσύνης με την αξιοπιστία των παραδοσιακών μοντέλων για να βοηθήσει στην πρόβλεψη των πιθανοτήτων σπάνιων γεγονότων γρήγορα και με ακρίβεια, χρησιμοποιώντας πολύ λιγότερους πόρους.
«Η δύναμη αυτής της μεθόδου», όπως εξήγησε ο Pedram Hassanzadeh, αναπληρωτής καθηγητής γεωφυσικών επιστημών, «είναι ότι συνδυάζει τα πλεονεκτήματα τόσο της Τεχνητής Νοημοσύνης όσο και της παραδοσιακής φυσικής και είναι ιδιαίτερα αποτελεσματική για ακραία φαινόμενα, τα οποία είναι τα πιο δύσκολα στην προσομοίωση και έχουν τον μεγαλύτερο κοινωνικό αντίκτυπο».
Τα στατιστικά στοιχεία των σπάνιων γεγονότων
Τα κύματα καύσωνα είναι μια από τις πιο θανατηφόρες μορφές ακραίων καιρικών φαινομένων. Το 2003, ένα κύμα καύσωνα οδήγησε σε περίπου 70.000 θανάτους σε όλη την Ευρώπη και η Ρωσία κατέγραψε 56.000 θανάτους το 2010. Τον περασμένο Ιούνιο, σχεδόν οι μισές Ηνωμένες Πολιτείες - περίπου 180 εκατομμύρια άνθρωποι - βίωσαν επικίνδυνες θερμοκρασίες.
Αυτά τα κύματα γίνονται ολοένα και πιο συχνά και σοβαρά, αλλά η φύση των ακραίων γεγονότων τα καθιστά δύσκολο να μελετηθούν και δύσκολο να προβλεφθούν.
Η πρόβλεψη βασίζεται εδώ και καιρό σε κλιματικά και καιρικά μοντέλα που βασίζονται στη φυσική. Μας βοηθούν να δούμε πώς διαφορετικές συνθήκες, όπως η ατμοσφαιρική πίεση, μπορεί να επηρεάσουν τη θερμοκρασία και άλλες μεταβλητές με την πάροδο του χρόνου. Αυτά τα μοντέλα υπολογίζουν πολλά διαφορετικά πιθανά σενάρια, τα οποία χρησιμοποιούν οι ερευνητές για να δουν τι είναι πιο πιθανό να συμβεί στην πραγματικότητα.
Οι ερευνητές μπορούν να μετριάσουν το πρόβλημα χρησιμοποιώντας μια στατιστική τεχνική που ονομάζεται δειγματοληψία σπάνιων γεγονότων (RES), η οποία επιταχύνει τη διαδικασία βαθμολογώντας τις συνθήκες, έτσι ώστε το κλιματικό μοντέλο να μπορεί να επικεντρωθεί μόνο στις πιο υποσχόμενες προβλέψεις και να αγνοήσει τις υπόλοιπες. Ωστόσο, η δειγματοληψία σπάνιων γεγονότων δεν λειτουργεί καλά για γεγονότα μικρής διάρκειας, όπως καύσωνες μιας εβδομάδας, αντί για μια ολόκληρη εποχή που είναι γενικά ασυνήθιστα ζεστή.
«Τα μοντέλα καιρού και κλίματος της Τεχνητής Νοημοσύνης είναι ένα από τα μεγάλα επιτεύγματα της Τεχνητής Νοημοσύνης στην επιστήμη, αλλά δεν είναι μαγικά - αποτυγχάνουν στους γκρίζους κύκνους, τα πιο σπάνια και ακραία γεγονότα», εξήγησε ο αναπληρωτής Καθηγητής.
Για να αντιμετωπίσει αυτό το πρόβλημα, η ομάδα κατέληξε σε μια νέα μέθοδο που ονομάζεται AI+RES, η οποία ενισχύει τον μηχανισμό βαθμολόγησης προσθέτοντας την ικανότητα της Τεχνητής Νοημοσύνης να προβλέπει ποιες συνθήκες είναι πιο πιθανό να οδηγήσουν σε μικρότερα, ταχέως εξελισσόμενα ακραία φαινόμενα.
Για να δοκιμάσει τη μέθοδο, η ομάδα εκτέλεσε 50.000 προσομοιώσεις χρησιμοποιώντας ένα παραδοσιακό κλιματικό μοντέλο για να προβλέψει καύσωνες σε περιοχές της Γαλλίας και της Μεσοδυτικής Αμερικής. Η νέα τους μέθοδος AI+RES έδωσε σχεδόν πανομοιότυπα αποτελέσματα χρησιμοποιώντας το ένα εκατοστό λιγότερων προσομοιώσεων.
Επειδή αυτή η εργασία ήταν μια απόδειξη της ιδέας, χρησιμοποίησαν ένα μοντέλο που δεν έλαβε υπόψη την κλιματική αλλαγή, γεγονός που προσθέτει ένα άλλο επίπεδο πολυπλοκότητας. Οι ερευνητές ελπίζουν να δοκιμάσουν τη μέθοδό τους σε μοντέλα που λειτουργούν υπό διαφορετικά σενάρια κλιματικής αλλαγής για να δουν πώς τα αποτελέσματα μπορεί να αλλάξουν καθώς ο πλανήτης θερμαίνεται.
Σύμφωνα με τους επιστήμονες, η υβριδική μέθοδος θα μπορούσε να εφαρμοστεί σε άλλα σοβαρά καιρικά φαινόμενα, συμπεριλαμβανομένων τροπικών κυκλώνων ή ακραίων βροχοπτώσεων.
«Μοντέλα τεχνητής νοημοσύνης που έχουν εκπαιδευτεί σε πραγματικές παρατηρήσεις καιρού έχουν ήδη κατασκευαστεί και χρησιμοποιούνται, επομένως το επόμενο βήμα είναι να συνδεθεί ένα υπερσύγχρονο αριθμητικό μοντέλο πρόβλεψης καιρού ή κλίματος με ένα από αυτά μέσω αυτού του αλγορίθμου», εξήγησε ο αν. καθηγητής Hassanzadeh.
Αυτό θα έδινε στους υπεύθυνους λήψης αποφάσεων πρόσβαση σε ακριβείς πληροφορίες που χρειάζονται, όπως η συχνότητα των ισχυρών καταιγίδων και των καυσώνων στο υφιστάμενο και μελλοντικό κλίμα, σε περιφερειακή κλίμακα - όπως ειδικά πάνω από το Τέξας, τη Φλόριντα ή την Καλιφόρνια, για παράδειγμα.
