Uluslararası Uzay İstasyonundan Görülen Kasırga Florence
Büyük şirketler yeni nesil makine öğrenimi tabanlı hava durumu modelleri tanıttı.
Bu modeller, on yıllar boyunca geliştirilen, fizik tabanlı tahmin yöntemlerine meydan okuyor.
Peki bu makine öğrenimi modelleri ne kadar etkili?
Sık ve dramatik koşul değişiklikleri göz önüne alındığında, hava durumu Britanya hayatının önemli bir yönüdür.
Kesin hava tahminleri günlük planlama için çok önemlidir, ancak şiddetli hava olayları için doğru tahminler davranışsal ayarlamalar, hayat kurtarıcı önlemler ve maddi hasar azaltımı için daha da önemlidir.
Doğru hava tahminlerinin küresel ekonomik değeri ölçülemez, ancak inkar edilemez derecede önemlidir.
NOAA’ya (Ulusal Okyanus ve Atmosfer İdaresi) göre, sadece ABD’de, hasarı 1 milyar ABD dolarını (£740 milyon) aşan hava felaketlerine odaklanıldığında, 2024 yılındaki etki 182 milyar dolara ulaşmış ve 568 ölüm meydana gelmiştir.
1980’den bu yana toplam hasar neredeyse 3 trilyon doları aşıyor.
İngiltere’de 2024 yazındaki sıcak hava dalgaları 1.311 fazla ölüme neden oldu.
Bir Londra Ekonomi çalışması, external, meteorolojik hizmetler aracılığıyla Met Office’in İngiltere’ye on yıl içinde 56 milyar sterlin ekonomik fayda sağladığını tahmin etti.
Bunu küresel olarak genişleterek, iklim değişikliği nedeniyle giderek daha aşırı hava koşullarıyla karşı karşıya kalan artan bir nüfusla birlikte, hava tahmini büyük bir endüstridir.
Sıcak Hava Dalgalarının Yönetimi
Geleneksel tahminler, dünyanın en güçlü süper bilgisayarlarından bazılarını kullanır; Met Office’in süper bilgisayar sözleşmesinin değeri 1,2 milyar sterlindir.
Bu yatırım, saniyede 60 katrilyon (60.000.000.000.000.000) hesaplama yapabilen, bir milyondan fazla kod satırı içeren fizik tabanlı bir modeli çalıştıran ve 215 milyar hava gözlemi kullanan bir makine sağlar.
Küresel modeller, gezegen genelinde kutulardan oluşan bir ızgara üzerinde veri işler. Çözünürlük yaklaşık 10 km² ila 28 km² (3,86 mil² ila 10,81 mil²) arasında değişir.
Bu çözünürlük, doğru yağış tahmini sınırlar ve dağlar gerçekte olduğundan daha az belirgin görünür.
Met Office’in en yüksek çözünürlüklü modeli olan UKV (BBC TV’nin 48 saatlik tahminleri için kullanılır), 1,5 km (0,9 mil) çözünürlükle yağışları tahmin eder. Bununla birlikte, hesaplama gereksinimleri, kullanımını İngiltere ve Avrupa ile sınırlar.
Makine öğrenimi modelleri nispeten yenidir, ancak gelişmeleri hızlı ve umut vericidir.
Geleneksel modeller pahalı süper bilgisayarlarda saatlerce çalışırken, bu yeni modeller standart dizüstü bilgisayarlarda bir dakikadan kısa sürede çalışabilir. Ayrıntılı fiziği atlayarak, bunun yerine 40 yıllık geçmiş veriden öğrenirler.
Performansları?
ECMWF (Orta Menzilli Hava Tahminleri Avrupa Merkezi) 2024/2025 kış atmosferik basınç verileri, external, GraphCast’in (Google), AIFS’in (ECMWF) ve Aurora’nın (Microsoft) geleneksel IFS (ECMWF) kıstasını geride bıraktığını, FourCastNet’in (Nvidia) ve Pangu-Weather’ın (Huawei) ise geride kaldığını gösteriyor.
Performans, değişkene bağlı olarak değişir ve ilerleme hızlıdır.
Doğruluk, tahmin süresiyle azalır ve atmosferin kaotik doğasını yansıtır. Model türünden bağımsız olarak on günlük tahminler yeterli doğruluğa sahip değildir.
Fizik tabanlı modelleri bırakmalı mıyız?
Henüz değil.
Makine öğrenimi modelleri geleneksel modellerden gelen verilere dayanır ve atmosferik başlangıç noktalarını kullanır. Geleneksel modeller olmadan, makine öğrenimi modelleri önemli ölçüde daha az etkili olacaktır.
Yüksek ve alçak basınç gibi büyük ölçekli özellikleri tahmin etmede mükemmel olmasına rağmen, 1000 km’nin altındaki ölçeklerde geleneksel modellerden daha düşük performans gösterirler.
Bu, çukurlar ve sırtlar gibi önemli özellikler gözden kaçırılabileceği ve tahminleri kuru yağıştan şiddetli yağmura değiştirebileceği anlamına gelir.
Boscastle Sellerinin Ardından, Cornwall, Ağustos 2004
Çoğu makine öğrenimi modelinin çözünürlüğü 28 km² olup, eğitim verileriyle eşleşir. Bu, sağanak yağışlar gibi küçük ölçekli özellikler gözden kaçırılabileceği ve günler öncesinden Boscastle sellerinin tahminini engelleyeceği anlamına gelir.
Başlıklar üstün kasırga tahmini öne sürüyor.
Bazı modeller karaya çıkma tahminlerinde hafif bir iyileşme göstermiş olsa da, rüzgar şiddeti tahminleri -ve dolayısıyla potansiyel hasar- daha zayıf olmuştur. Bu, 40 yıllık kasırga verisini analiz ederken yumuşatma etkilerinden kaynaklanıyor olabilir.
Filipinler’deki 1991 Pinatubo Yanardağı patlaması, 20. yüzyılın ikinci en büyük patlamasıydı
Yapay zeka modelleri, 40 yıllık eğitim veri setinde yetersiz temsil edilen nadir olaylarla mücadele edebilir. İki yıl boyunca küresel sıcaklıkta 0,5°C’ye kadar bir düşüşe neden olan 1991 Pinatubo Dağı patlaması buna bir örnektir.
Isınan bir dünyada performanslarıyla ilgili endişeler de var. Eğitim aldıkları geçmiş iklim verileri, sera gazı seviyeleri arttıkça gelecekteki iklimden önemli ölçüde farklı olacaktır.
Beş Yıl Sonrası Gelecek?
Met Office’in baş yapay zeka sorumlusu Profesör Kirstine Dale, “geleneksel ve yapay zeka modellerinin birlikte çalışarak hiper-yerel, doğru ve hızlı tahminler sağlamasını” öngörüyor.
Kısa geçmişlerine rağmen, makine öğrenimi modelleri hızları, verimlilikleri ve hızlı gelişmeleri göz önüne alındığında muazzam bir potansiyel gösteriyor.
Yapay Zeka İnsan Hava Tahmincilerinin Yerini Alabilir mi?