Predpovede počasia sú dnes nevyhnutnou súčasťou každodenného života a zároveň obrovským biznisom. Rýchly nástup umelej inteligencie do meteorológie však spustil otázky, či tradičné modely postavené na fyzikálnych zákonoch ešte majú svoje miesto.
Škody spôsobené extrémnym počasím dosahujú gigantické hodnoty. V USA len počas roka 2024 spôsobili veľké prírodné katastrofy škody za 182 miliárd dolárov a vyžiadali si stovky životov. Od roku 1980 presiahli celkové škody 3 bilióny dolárov. V Spojenom kráľovstve viedli horúčavy v tom istom roku k viac než 1 300 nadmerným úmrtiam. Hodnota presných meteorologických informácií je preto nevyčísliteľná. Informuje portál BBC.
Superpočítače verzus laptop
Tradičné predpovede počasia sa spoliehajú na superpočítače schopné vykonať 60 kvadriliónov výpočtov za sekundu. Modely využívajú fyzikálne rovnice a spracúvajú miliardy pozorovaní zo satelitov a pozemných staníc. Rozlíšenie modelov sa pohybuje od 10 do 28 km², čo síce postačuje pre veľké systémy, no nestačí na detailné predpovede lokálnych javov, ako sú prehánky.
Model UKV používaný britským Met Office dosahuje rozlíšenie až 1,5 km², čo umožňuje zachytiť aj menšie zrážky. Je však výpočtovo tak náročný, že sa dá použiť len na obmedzené oblasti – napríklad Veľkú Britániu a Európu.
V ostrom kontraste stoja nové AI modely, ktoré bežia za menej ako minútu na bežnom notebooku. Nepotrebujú poznať fyziku atmosféry – učia sa zo 40 rokov historických dát.
Ako si vedie umelá inteligencia?
Nie všetky modely AI sú rovnako výkonné. V zime 2024/2025 dosiahli modely ako GraphCast (Google), Aurora (Microsoft) a AIFS (ECMWF) vyššiu presnosť ako referenčný model IFS od ECMWF. Naopak, FourCastNet (Nvidia) a Pangu-Weather (Huawei) zaostali.
Pri pohľade do budúcnosti – 10 dní vopred – však ani najlepšie modely AI nedokázali poskytnúť spoľahlivú predpoveď. Tak ako pri klasických modeloch, aj tu sa prejavuje chaos atmosféry.
Limity AI modelov: rozlíšenie a extrémy
Väčšina AI modelov má rozlíšenie 28 km², čo je rovnaké ako dáta, na ktorých boli trénované. To znamená, že nezachytia malé, ale významné javy ako silné lokálne búrky či náhle záplavy. Napríklad ničivá povodeň v britskom Boscastle v roku 2004 by pravdepodobne ostala mimo predikcie.
Rovnako obmedzene vedia AI modely zachytiť výnimočné udalosti, ktoré sa vyskytli len raz za niekoľko desaťročí. Napríklad výbuch sopky Pinatubo v roku 1991, ktorý na dva roky ochladil planétu, je príliš vzácny na to, aby ho AI modely naučené na bežných dátach spoľahlivo predpovedali.
AI potrebuje fyziku – zatiaľ
Aj keď sa AI zdá ako samostatne fungujúce riešenie, v skutočnosti je závislá od klasických modelov. Ako vstup totiž používa ich analýzu aktuálneho stavu atmosféry. Okrem toho, samotné tréningové dáta pochádzajú vo veľkej miere práve z tradičných modelov.
Umelá inteligencia si zatiaľ lepšie poradí s veľkoplošnými javmi, ako sú tlakové výše a níže. No v predpovediach menšieho rozsahu – pod 1 000 km – často zaostáva.
Rovnaké nedostatky sa objavujú aj pri predpovediach hurikánov. AI modely síce v niektorých prípadoch lepšie trafili miesto dopadu, no slabšie odhadli silu vetra a škody – čo môže byť dôsledkom priemerovania v historických dátach.
Budúcnosť: spolupráca, nie nahradenie
Aj keď AI modely napredujú závratnou rýchlosťou a prinášajú vysokú efektivitu, stále majú svoje slabiny. Zatiaľ neexistuje dôvod na úplné nahradenie fyzikálnych modelov. Budúcnosť spočíva skôr v ich kombinácii – využití presnosti tradičných modelov a rýchlosti AI – pre čo najspoľahlivejšiu a najrýchlejšiu predpoveď.
