Umetna inteligenca v zadnjih letih postaja nepogrešljiv del našega vsakdanjega življenja. Prisotna je v številnih panogah, od zdravstva, do prometa in seveda izobraževanja, a vse bolj posega tudi v področja, kjer si še nedolgo nazaj nismo niti predstavljali, da bi lahko zamenjala tradicionalne pristope. Eden takšnih primerov je napovedovanje vremena. Evropski center za srednjeročne vremenske napovedi (ECMWF), eden najuglednješih inštitutov te vrste, je tako že februarja uvedel popolnoma samostojen in delujoč sistem vremenske napovedi, ki ga poganja umetna inteligenca. Ker nas je zanimalo, ali so takšni in drugačni modeli prisotni tudi pri nas, smo se obrnili na Agencijo RS za okolje.
ARSO spremlja in razvija mreže za napovedovanje vremena
Kot so pojasnili, na ARSO intenzivno spremljajo in razvijajo razvoj globokih mrež za namene napovedovanja vremena (ter tudi za ocenografijo in hidrologijo). Tako so vključeni v nekaj mednarodnih sodelovanj s tega področja in imajo tesne povezave s Fakulteto za računalništvo in informatiko ter s Fakulteto za matematiko in fiziko Univerze v Ljubljani.
S skupino prof. Mateja Kristana s Fakultete za računalništvo in informatiko so denimo za napovedovanje obalnih poplav razvili zelo zanesljive globoke mreže HIDRA, ki jih danes že uporabljajo v Estoniji in testirajo na Danskem. V okviru programa SMASH pa bodo pri njih gostovali trije postdoktorski raziskovalci na temo razvoja AI za meteorologijo, hidrologijo in oceanografijo.
"Kot člani ECMWF spremljamo tudi rezultate sistema AIFS, ki je njihov AI model, naučen na preteklih zagonih meteoroloških modelov."
AI modeli se uporabljajo za...
"V prihodnje bo razmerje med AI in klasičnimi modeli predvidoma precej bolj v prid globokemu učenju. Sistemi prihodnosti bodo verjetno hibridni, fizikalno informirani inteligentni sistemi, ki se bodo naučili fizike procesov, ki jih modelirajo. Klasični meteorološki in oceanografski modeli se bodo uporabljali predvsem za pridobivanje podatkov za učenje AI ali za aplikacije, kjer je meritev malo," so pojasnili.
Ob tem so dodali, da je trenutno stanje takšno:
- za računanje poplavljanja morja v Piranu ARSO poleg klasičnega modela uporabljajo tudi serijo globokih mrež HIDRA,
- na področju hidrološkega modeliranja so sredi implementacije prilagojenega transformerskega modela za napovedovanje rečnih pretokov. Tudi ta model razvijajo v sodelovanju s Fakulteto za računalništvo in informatiko UL,
- na področju meteorologije z AI modelom prilagajajo rezultate numeričnega modela (odstranjevanje odklonov in kalibracija modelskega ansambla),
- v operativi pa (v prognostičnem procesu napovedovanja vremena) ima meteorolog prognostik vpogled tudi v rezultate AIFS globalnega vremenskega AI sistema.
"Zaenkrat še ne moremo reči, kako dobro se AI modeli obnesejo pri napovedovanju ekstremnih dogodkov (z izjemo ekstremnih gladin morja, kjer so kar uspešni). Tako zaenkrat osnovno orodje za napovedovanje ekstremnega vremena v zelo visoki ločljivosti (neurja, poplave, toča...) ostajajo metode, ki temeljijo na klasičnih meteoroloških modelih," so še dodali.
Modeli so zanesljivi
Kot že omenjeno, se pri napovedovanju obalnih poplav ti modeli zaenkrat obnesejo zelo dobro, najpogosteje so celo bolj natančni kot fizikalni modeli poplav. "V primeru napovedovanja vremena v zelo visoki ločljivosti (nevihte, toča) pa zaenkrat še nimamo dovolj podatkov za objektivno primerjavo," so nadaljevali.
Ob tem so izpostavili, da velika večina AI napredka napovedovanja vremena v zadnjih letih namreč temelji na podatkih ERA5 evropskega centra za srednjeročno vremensko napoved (ECMWF) v ločljivosti dobrih 10 km, kar pomeni, da je tudi njihova uspešnost največja pri takšnih ločljivostih.
Glavni izziv ostaja plačno okolje
Za konec so dodali, da so na ARSO glavni izzivi kadrovske narave: "Dobre kadre zelo privlači delo pri nas, saj imamo veliko specifičnega znanja z raznih za AI primernih področij in obsežne podatkovne zbirke ter tudi kar nekaj strokovnjakov, ki združujejo AI in domensko znanje."
Vendar pa je, kot so pojasnili, težava plačno okolje, ki je v privatnem sektorju izrazito bolj stimulativno, še posebej za mlade.
