Tính ưu việt của hoài nghi

Trong cuốn sách mới của mình, Palmer đã làm rõ đâu là cơ chế cho việc dự báo ở nhiều lĩnh vực. Ông cho biết, từ cuối thế kỷ 19, ở đa số lĩnh vực, mô hình truyền thống chỉ có thể đưa ra những dự đoán ngắn ngày, có tính tất định bằng công thức vật lý phức tạp. Để đưa ra những dự đoán dài ngày hơn, các mô hình thống kê - kinh nghiệm bắt đầu được áp dụng. Tuy vậy, cách làm này không mấy chính xác bởi công thức vật lý không thể bao trùm đầy đủ thông số chi phối dự đoán, trong khi kết quả từ quá khứ được thống kê lại cũng không tương thích với tình hình thực tế trong thời gian thực, nhất là trong lĩnh vực kinh tế, dịch bệnh… Đó là lúc xuất hiện phương pháp dự báo tổ hợp với các yếu tố nhiễu đóng vai trò quan trọng.

Trong Tính ưu việt của hoài nghi, Tim Palmer đã làm rõ vai trò của nhiễu – những yếu tố ngẫu nhiên, thường làm mô hình nghiêng về phân kỳ thay vì hội tụ. (Nếu tốc độ phân tán của các tổ hợp là chậm, tức hội tụ, ta có thể tự tin đưa ra dự báo tương đối chính xác; còn nếu ngược lại, tức phân kỳ, thì xác suất sẽ được áp dụng để đưa ra dự báo.) Yếu tố nhiễu thường được coi là tiêu cực, làm gián đoạn hoặc phá rối các mô hình hoạt động trơn tru. Nhưng bởi bất định là bản chất của hầu hết mọi sự trên đời, nên nhiễu cũng có thể mang ý nghĩa tích cực: do không thể tập hợp một cách đầy đủ tất cả yếu tố có thể ảnh hưởng đến việc dự báo, nên việc thêm nhiễu vào mô hình cũng chính là cách giúp ta dự đoán đột biến có thể xảy ra. Xác suất tuy mang hàm ý về sự không chắc chắn, dẫn đến định kiến về công tác dự báo, nhưng nó cho ta cơ hội đưa ra những quyết định mang tính phòng ngừa chủ động.

Đó cũng là lý do vì sao hệ thống dự báo tổ hợp chứa nhiễu sẽ đáng tin cậy và có giá trị vượt trội so với dự báo tất định. Và phương pháp dự báo tổ hợp không chỉ áp dụng cho thời tiết hay khí hậu, mà còn mở rộng sang dự báo dịch bệnh, kinh tế cũng như quân sự, như được Palmer minh họa bằng các sự kiện Covid-19, khủng hoảng kinh tế năm 2008 và xung đột Nga- Ukraine. Ông lưu ý, dự báo ở các lĩnh vực này không thể dựa trên trạng thái cân bằng tĩnh do chúng có sự liên đới của nhiều lĩnh vực, dẫn đến phải sử dụng mạng lưới tương tác và nhiễu. Chẳng hạn, để dự báo tình hình Covid-19, ta không chỉ sử dụng các thông số đầu vào là dữ liệu của từng cá nhân, mà còn phải xét đến tương tác giữa họ với người khác…

Đi sâu vào dự báo tổ hợp trong dự báo thời tiết, Palmer cho biết các đơn vị chuyên môn trên toàn thế giới không chỉ chạy mô hình một lần, mà thay vào đó, họ chạy mô hình rất nhiều lần với các điều kiện ban đầu chỉ khác nhau ở một vài điểm. Những khác biệt này còn được gọi là những “cái vỗ nhẹ của cánh bướm”, hay những nhiễu loạn không chắc chắn ở quy mô nhỏ nhất mà các mô hình có thể mô phỏng. Theo ông, một mô hình thiếu những cánh bướm có thể tạo ra những dự báo chi tiết nhưng hoàn toàn vô nghĩa trong thực tế. Palmer coi câu chuyện về “hiệu ứng Michael Fish” là một dẫn chứng đắt giá. Cụ thể câu chuyện như sau: Fish là nhà dự báo thời tiết uy tín của đài truyền hình BBC, các dự báo của ông được công chúng Anh hết sức tin tưởng. Vào ngày 15/10/1987, một người phụ nữ gọi cho đài để thông báo về việc mình quan sát thấy một cơn bão đang hình thành, nhưng lời nói đó không được lắng nghe, thậm chí Fish còn tỏ thái độ châm biếm với thông tin. Để rồi rạng sáng ngày 16, cơn bão tồi tệ nhất trong hơn 300 năm đã bất thần tàn phá miền nam nước Anh. Theo những gì được tiết lộ sau này, ở thời điểm đó, mô hình của các nhà dự báo cho thấy các cơn bão mùa thu thường chỉ đến từ phía tây nước Anh nên việc cơn bão được hình thành tại vịnh Biscay phía nam nước Anh là điều không ai ngờ tới.

Tùy thuộc kết quả phân kỳ chậm hay nhanh mà ta có thể đưa ra những dự báo phù hợp cho tương lai gần. Nhưng “tương lai gần” giới hạn ở đâu? Dựa vào nghiên cứu năm 1969 của Ed Lorenz – người được mệnh danh là “cha đẻ của thuyết hỗn loạn” – Palmer đưa ra câu trả lời thú vị: giới hạn của tương lai gần chính là hai tuần, dù cho ta biết chính xác các điều kiện ban đầu đến mức nào đi nữa.

Từ thực tế các dự báo trong nhiều ngành đòi hỏi dữ liệu quan sát phong phú, trên một vùng địa lý rộng lớn, Palmer kêu gọi tiếp tục đẩy mạnh hợp tác quốc tế để tạo nên những trung tâm dự báo chia sẻ dữ liệu với nhau. Ông ca ngợi Trung tâm Dự báo thời tiết trung hạn châu Âu (ECMWF) đang làm rất tốt điều này khi hoạt động với nhận thức rằng mỗi quốc gia thành viên không nhất thiết phải phát triển mô hình thời tiết của riêng mình, mà thay vào đó nên chung tay phát triển hệ thống dự báo có thể mang lại lợi ích công bằng cho người dân trên toàn cầu, đặc biệt là những người có nguy cơ chịu ảnh hưởng từ các hình thái thời tiết cực đoan nhất.

Phóng chiếu đến tương lai, Palmer chỉ ra những bất cập trong quan điểm của nhiều đồng nghiệp ở ngành dự báo thời tiết hiện nay khi họ cho rằng với tốc độ xử lý của máy tính được cải thiện cũng như sự xuất hiện của trí tuệ nhân tạo, thì việc cần làm là tối ưu hóa mô hình và trạng thái ban đầu (dữ liệu đầu vào) chứ không phải thực hiện nhiều dự báo tổ hợp để ước lượng mức độ không chắc chắn của dự báo. Họ muốn đưa ra những dự báo chính xác 100% và cho rằng những dự báo gắn với xác suất là “thiếu chuyên nghiệp”. Nhưng Palmer chỉ ra, “trạng thái ban đầu” luôn ẩn chứa những điều bất định, dù là khí hậu, thời tiết hay dịch bệnh... do đó cho đến nay, dự báo tổ hợp có tính đến nhiễu vẫn là cách làm hợp lý và tối ưu.

Cuối cùng, Palmer mở rộng sang khía cạnh sinh học để cho thấy hóa ra nhiễu cũng có trong chính não người. Ông lập luận, hệ thống thần kinh có hai trạng thái hoạt động, khi tập trung thì phần lớn năng lượng được phân bổ hoàn toàn cho các tế bào thần kinh; còn khi thư giãn, não ở chế độ năng lượng thấp với “nhiễu” chính là nguồn gốc cho những khoảnh khắc “eureka”, tương tự cách nó giúp cho mô hình dự báo trở nên toàn diện và bao quát hơn.

Bằng văn phong khoa học chuẩn mực, chặt chẽ, và cách kể chuyện hấp dẫn, tác phẩm của Tim Palmer có thể lôi cuốn cả giới chuyên môn và độc giả phổ thông vào thế giới phức tạp và gây tò mò của ngành khoa học dự báo.