AI của DeepMind dự đoán gần như chính xác thời gian và địa điểm mưa

Hàng chục chuyên gia thời tiết đánh giá, so với các công cụ hiện có, trong hầu hết các trường hợp, dự báo do mô hình DGMR (viết tắt của "mô hình sản sinh dữ liệu lượng mưa") của DeepMind đưa ra chính xác hơn về vị trí, mức độ, chuyển động và cường độ của mưa.

Trước đây, một mô hình khác của DeepMind có tên AlphaFold đã tạo ra đột phá trong sinh học, giải quyết được vấn đề gấp protein đã tồn tại nhiều thập kỷ. DGMR mới không tạo ra đột phá như vậy, mà chỉ là một cải thiện nhỏ so với các phương pháp hiện có; nhưng trong dự báo thời tiết thì độ chính xác cải thiện một chút cũng có nhiều ý nghĩa.

Dự báo mưa, đặc biệt là mưa lớn, rất quan trọng đối với nhiều ngành nghề, từ các sự kiện ngoài trời đến hàng không hay các dịch vụ cứu hộ khẩn cấp. Nhưng rất khó đưa ra dự báo chính xác về mưa. Việc xác định lượng nước có trên bầu trời, thời gian và vị trí nước rơi xuống phụ thuộc vào một số quá trình thời tiết khác nhau, chẳng hạn như sự thay đổi về nhiệt độ, sự hình thành mây và gió. Mỗi quá trình trong các quá trình này đều đã rất phức tạp, và trở nên phức tạp hơn nữa khi kết hợp với nhau.

Các kỹ thuật dự báo tốt nhất hiện sử dụng máy tính để mô phỏng vật lý khí quyển và có thể đưa ra các dự báo dài hạn tương đối hiệu quả, nhưng kém hiệu quả hơn trong việc dự đoán những sự kiện thời tiết sẽ xảy ra trong một hoặc vài giờ tiếp theo, được gọi là dự báo tức thời.

Cũng đã có các kỹ thuật học sâu dự báo thời tiết nhưng thường hoạt động tốt trong việc dự báo chỉ một yếu tố, chẳng hạn như dự đoán vị trí mưa, và đổi lại sẽ kém chính xác ở các yếu tố khác, chẳng hạn như cường độ mưa.

“Dự báo tức thời vẫn là một thách thức lớn đối với các nhà khí tượng học," Greg Carbin, trưởng bộ phận dự báo tại Trung tâm Dự báo Thời tiết NOAA, Mỹ, người không tham gia nghiên cứu mới, cho biết.

Nhóm DeepMind đã đào tạo AI của họ bằng dữ liệu radar. Nhiều quốc gia thường xuyên đăng tải ảnh chụp từ các phép đo radar theo dõi sự hình thành và chuyển động của các đám mây trong suốt cả ngày. Ví dụ, ở Anh, một ảnh chụp mới được phát hành sau mỗi năm phút. Ghép các ảnh chụp nhanh này lại với nhau tạo thành một video stop-motion cập nhật theo thời gian thực, cho biết các hình thái mưa đang di chuyển như thế nào trên khắp một quốc gia, tương tự như hình ảnh dự báo thường thấy trên TV.

Các nhà nghiên cứu đưa lượng dữ liệu này vào hệ thống DGMR - hệ thống này tương tự như GAN, được đào tạo để tạo ra các mẫu dữ liệu mới tương tự như dữ liệu thực mà nó được tiếp cận. (GAN là công nghệ đã được sử dụng để tạo ra các khuôn mặt không có thật.) DGMR sẽ tạo ra các ảnh chụp radar "giả" để ghép nối tiếp vào chuỗi các ảnh chụp thực tế đã có sao cho hợp lý nhất. Những hình ảnh do DGMR "sáng tác" tiếp nối chuỗi các ảnh chụp thực tế đã có, chính là các dự báo. Shakir Mohamed, người đứng đầu nghiên cứu tại DeepMind, cho biết ý tưởng giống như việc xem một vài khung hình của một bộ phim và đoán điều gì sẽ xảy ra tiếp theo.

Để đánh giả độ chính xác của dự báo, nhóm đã yêu cầu 56 nhà dự báo thời tiết tại Met Office (những người không tham gia vào dự án nghiên cứu này) so sánh dự báo từ DGMR với dự báo thông thường từ một hệ thống mô phỏng máy tính, dự báo từ một hệ thống học sâu khác và kết quả thực tế. (Đây là so sánh mù, các nhà dự báo thời tiết chỉ được xem và lựa chọn dự báo chính xác nhất khi đối chiếu với kết quả thực tế, chứ không biết đâu là công cụ đằng sau.) 89% các nhà dự báo nói rằng họ đánh giá cao kết quả do DGMR đưa ra hơn cả.

Niall Robinson, người đứng đầu bộ phận quan hệ đối tác và đổi mới sản phẩm tại Met Office, đồng tác giả dự án nghiên cứu với DeepMind, cho biết: “Các thuật toán học máy thường được đào tạo dựa trên một yếu tố. Có thể chúng sẽ dự báo được lượng mưa ở đúng vị trí nhưng sai cường độ, hoặc đúng cường độ nhưng sai vị trí, v.v... Chúng tôi đã nỗ lực rất nhiều trong nghiên cứu này để đào tạo DGMR dựa trên một loạt các yếu tố khác nhau.”

Dự án hợp tác giữa DeepMind với Met Office là một ví dụ điển hình về việc nhà phát triển AI cộng tác với người dùng cuối để phát triển sản phẩm. Đây được coi là một ý tưởng hay và hiệu quả trong phát triển AI, nhưng thường không xảy ra trong thực tế. Nhóm DeepMind đã phát triển DGMR trong vài năm và ý kiến ​​đóng góp của các chuyên gia từ Met Office đã giúp hoàn thiện nó. “Dự án hợp tác này đã phát triển mô hình của chúng tôi theo một cách khác với cách chúng tôi nghĩ ban đầu,” Suman Ravuri, nhà khoa học nghiên cứu tại DeepMind, cho biết. "Nếu không hợp tác với Met, chúng tôi có thể đã tạo ra một mô hình không đặc biệt hữu ích."

DeepMind cũng háo hức chứng minh rằng AI của họ có các ứng dụng thực tế. Đối với Shakir, DGMR là câu chuyện tương tự như AlphaFold: công ty đang thu được thành quả từ nhiều năm nghiên cứu các bài toán khó. Và quan trọng nhất là các AI của DeepMind đang bắt đầu giải quyết các vấn đề khoa học trong thế giới thực.

Kết quả nghiên cứu của họ gần đây được công bố trên tạp chí Nature.