Történelmi pillanat következett be a meteorológia világában 2025 februárjában: az Európai Középtávú Időjárás-előrejelzési Központ (ECMWF) beindította a világ első teljesen mesterséges intelligencia (A.I.) által működtetett operatív időjárás-előrejelző rendszerét. Ez az esemény nem csupán technológiai áttörést, hanem egy új korszak kezdetét is jelenti abban, hogyan értelmezzük és jósoljuk meg az időjárás alakulását – gyorsabban, olcsóbban és sok esetben pontosabban, mint korábban valaha – írja cikkében az e360.yale.edu
Egy új modell születése
Az ECMWF új A.I. rendszere, az Artificial Intelligence Forecasting System (AIFS), gyökeresen különbözik a hagyományos, fizikai törvényeken alapuló modellektől. A fejlesztés egyik kulcsszereplője, Peter Dueben, úgy fogalmazott: „Jelenleg a gépi tanuláson alapuló modell jobb eredményeket produkál.” Bár a javulás nehezen számszerűsíthető, egyes jelenségek esetében az AIFS 20 százalékkal pontosabb, mint az eddigi csúcstechnológiás numerikus előrejelzések. Mindeközben az A.I.-alapú előrejelzések 1000-szer kevesebb számítási energiát igényelnek.
Az időjárás-előrejelzés demokratizálása
Az olcsóbb és gyorsabb modellfuttatás nem csupán technológiai előnyt jelent, hanem új lehetőségeket nyit a világ szegényebb régiói számára is. Azok az országok, amelyek eddig nem rendelkeztek saját meteorológiai hivatalokkal vagy szuperszámítógépekkel, most esélyt kapnak arra, hogy saját, testre szabott előrejelzéseket készítsenek. Ahogy Andrew Charlton-Perez, a Readingi Egyetem meteorológusa és a számítástudományi intézet vezetője fogalmazott: „Ez a terület elképesztő sebességgel halad előre.”
A gépi tanulás lehetővé teszi azt is, hogy a kutatók mélyrehatóan elemezzék az előrejelzések sikerességét – gyakran az A.I. olyan összefüggéseket talál, amelyeket a szakemberek nem vettek észre, és amelyek esetlegesen a meteorológiai fizika új aspektusaira mutatnak rá. Ugyanakkor az A.I. működésének átláthatatlansága komoly bizalmi problémákat is felvet: a meteorológusok szerint gyakran nem világos, hogyan hozza meg döntéseit, és a klímaváltozás által előidézett, eddig sosem látott időjárási helyzetekben az A.I. akár teljesen félre is csúszhat.
Az előzmények: a fizikai modellek diadalútja
A meteorológiai előrejelzések megbízhatósága az elmúlt 50 évben látványosan javult: „Nagyjából évtizedenként egy nappal javul az előrejelzések pontossága” – mondja Dueben. Míg a 19. században a jövőbeli időjárás megértését korábbi tapasztalatok alapján próbálták meghatározni, a 20. század elején forradalmi ötletként jelent meg a fizika törvényeinek alkalmazása a légköri jelenségek modellezésére. A számítógépes kapacitások fejlődésével a numerikus modellezés az 1960-as évektől kezdett igazán teret nyerni, és 1975-ben létrejött az ECMWF, hogy európai erőforrásokat egyesítve készítsen középtávú, fizikai alapú globális előrejelzéseket.
Napjainkban a világban naponta több mint 200 milliárd meteorológiai mérés történik – műholdakról, földi állomásokról. A fizikai alapú előrejelzések pixelei tíz kilométeres skálán működnek, ezeket a nemzeti meteorológiai szolgálatok helyi modellekkel finomítják akár kilométer, sőt a brit Met Office esetében már 100 méteres felbontásig.
Az A.I. visszatér a gyökerekhez – és túlszárnyalja azokat
A gépi tanuláson alapuló A.I.-rendszerek az elmúlt évtizedben óriási fejlődésen mentek keresztül. Ironikus módon ezek a rendszerek visszatérnek a meteorológia eredeti elgondolásához: a múltbeli mintázatokból jósolják meg a jövőt. 2022-től kezdve számos technológiai óriás és akadémiai intézmény jelentkezett saját A.I.-alapú modelljével – a Google DeepMind GraphCastja, a CalTech FourCast rendszere, vagy a Huawei Pangu-Weather modellje mind figyelemre méltó eredményeket értek el. Egy 2024 szeptemberében publikált tanulmány öt ilyen modellt hasonlított össze az ECMWF fizikai alapú előrejelzéseivel, és megállapította: ezek az A.I.-modellek „összehasonlíthatók, sőt egyes esetekben felül is múlják” a hagyományos rendszereket, miközben jóval hatékonyabbak számítási szempontból.
Vihar a rendszerben: extrém időjárás és az A.I. próbája
Az A.I. rendszerek jól teljesítenek az ismert adatok határain belül, de a kérdés az, hogyan viselkednek extrém időjárási események során. Erre adott választ a Storm Ciarán elemzése – egy „bombaciklon”, amely 2023 október 31-én lecsapott Észak-Európára, és a legerősebb brit szigeteket érintő ciklon volt 1954 óta. Charlton-Perez és csapata figyelte meg, hogyan teljesítenek az A.I. rendszerek egy számukra ismeretlen helyzetben. „Nagyon lenyűgözött minket, amit láttunk” – mondta. A modellek jól becsülték meg a vihar helyét és erejét, habár a talajközeli szelek részletes szerkezetében még voltak hiányosságok.
Az ensemble modellek és a jövő lehetőségei
A Google 2024 végén mutatta be az első A.I.-alapú ensemble előrejelző rendszerét, a GenCastet. Ez nem egyetlen előrejelzést készít, hanem több tucat (például 50) különböző futtatást, amelyek segítségével valószínűségi előrejelzéseket lehet készíteni – ezzel új szintre emelve a megbízhatóságot. A GenCast még az ECMWF ensemble fizikai modelljét is túlteljesíti. Maga az ECMWF is dolgozik saját A.I.-alapú ensemble modelljén, de az még nem üzemel.
Minden ilyen rendszer kulcsa az ERA5 nevű adatbázis – ez az ECMWF által összeállított óriási, globális újraelemzett adatbázis, amely megfigyelések és korábbi előrejelzések kombinációjából jött létre. Bár az A.I. modellek „okosak”, még mindig szükségük van a hagyományos modellekre mint adatforrásra – egyelőre.
Az A.I. fekete doboza és az „magyarázható mesterséges intelligencia” (X.A.I.)
Az egyik legnagyobb kihívás az A.I.-val kapcsolatban az átláthatóság hiánya. „Amikor az előrejelzést a fizika alapján állítjuk elő, pontosan értjük, mi miért történik” – magyarázza Charlton-Perez. Ez nem mondható el az A.I. modellekről. Ezért dolgoznak egyre többen az „explainable A.I.” (X.A.I.) módszereken, amelyek célja, hogy feltárják, mi történik a mesterséges intelligencia „elméjében”. Charlton-Perez ezt „kísérleti agyműtétnek” nevezi: „Ha eltávolítok egy korábbi időjárási elemet, az volt-e a vihar kiváltója? Mi történik, ha egy bizonyos neuront megpingelek?” Ezek a vizsgálatok új fizikai összefüggésekre világíthatnak rá, amelyek hiányoznak a numerikus modellekből. „A mesterséges intelligencia gyakorlatilag a saját fizikáját tanulta meg” – mondja Ramsdale, a brit Met Office vezető meteorológusa.
Merre tovább?
A jövő nagy kérdése, hogy az A.I. egyszer kiszorítja-e a fizikai modelleket. „Ez az egymillió dolláros kérdés” – mondja Dueben. Egyesek szerint még ötven év múlva is futni fognak a hagyományos modellek, mások szerint értelmetlen lesz fenntartani őket. Mindenesetre az olyan új irányok, mint az Aardvark modell – amely kizárólag megfigyelési adatok alapján működik, előzetes modellek nélkül – jelzik, hogy az A.I. képes lehet önállóvá válni. Egyelőre azonban ezek a modellek durvább felbontásúak, és sok munka áll még előttük.
Egy biztos: az A.I. nem helyettesíti az emberi tudást és ítélőképességet. Ahogy Ramsdale fogalmazott: „Még mindig szükségünk van emberekre, hogy az adatokat hasznos tanáccsá alakítsák.” És bár a teljes jóslat lehetetlen – „sosem lesz tökéletes időjárás-előrejelzés, mert maga a rendszer kaotikus” –, az A.I. segít abban, hogy egyre közelebb kerüljünk hozzá.
