Khi đã có mô hình AI cho ra dự báo toàn cầu trong vài phút, dự báo viên vẫn giữ những việc máy chưa làm thay được: so sánh và chọn nguồn đáng tin trong từng tình huống, nhận ra khi mô hình sai, diễn giải cho từng địa phương, viết cảnh báo đúng lúc đúng mức và chịu trách nhiệm trước xã hội về bản tin. Công cụ thay đổi thì cách làm việc thay đổi, nhưng nghề dự báo không biến mất.
Bài này dành cho người muốn hiểu công việc phía sau bản tin thời tiết, cho sinh viên đang cân nhắc học ngành khí tượng, và cho giáo viên cần giải thích với học sinh câu hỏi quen thuộc "AI có thay con người dự báo thời tiết không". Các mô tả về quy trình là nguyên lý chung của nghề; tổ chức cụ thể ở từng cơ quan có thể khác, bạn nên tìm hiểu thêm từ nguồn chính thức.
Một ca trực dự báo diễn ra như thế nào
Công việc của dự báo viên không phải là đọc to con số của một mô hình. Một ca trực thường bắt đầu bằng việc nắm tình hình: thời tiết đã diễn ra thế nào trong những giờ qua, dự báo của ca trước đúng sai ở đâu, có hệ thống thời tiết đáng chú ý nào đang đến. Sau đó là phân tích bản đồ thời tiết nhiều tầng, ảnh vệ tinh, radar, quan trắc trạm, rồi mới đến kết quả các mô hình.
Khi xem mô hình, dự báo viên không xem một mà xem nhiều: mô hình toàn cầu của các trung tâm lớn, mô hình khu vực độ phân giải cao chạy trong nước, kết quả dự báo tổ hợp, và nay là mô hình AI. Câu hỏi họ đặt ra là: các mô hình đang đồng ý hay bất đồng, mô hình nào mấy ngày nay bám sát thực tế hơn trong tình huống tương tự, có lý do vật lý nào để tin hay nghi một kết quả.
Từ đó họ hình thành nhận định, thảo luận với đồng nghiệp ở các ca, các vùng, rồi viết bản tin. Với hiện tượng nguy hiểm, bản tin còn phải phối hợp với các cơ quan phòng chống thiên tai để thông tin đến đúng người, đúng lúc.
Những việc AI chưa làm thay được
Nhận ra khi mô hình sai. Mô hình nào cũng có những tình huống sai có hệ thống, ví dụ đánh giá thấp mưa trên một sườn núi hay dự báo không khí lạnh về chậm. Dự báo viên tích luỹ kinh nghiệm về những thói quen sai đó và điều chỉnh, điều mà một mô hình không tự biết về chính mình.
Hiểu địa phương. Một thung lũng hay có sương mù, một đoạn bờ biển hay có gió giật mạnh khi gió mùa tràn về, một lưu vực sông lũ lên rất nhanh. Những hiểu biết này nằm trong đầu người làm nghề lâu năm ở địa phương, chưa có trong dữ liệu huấn luyện ở độ chi tiết đó.
Chọn lời và chọn lúc cảnh báo. Cảnh báo quá sớm hay quá mạnh làm người dân mệt mỏi và lần sau không tin; cảnh báo quá muộn thì không kịp ứng phó. Quyết định nâng cấp cảnh báo cân nhắc cả khoa học lẫn hậu quả xã hội.
Chịu trách nhiệm. Bản tin chính thức có giá trị pháp lý trong công tác phòng chống thiên tai. Một mô hình không thể đứng ra giải trình khi dự báo sai, con người và cơ quan chuyên môn thì phải làm việc đó.
Giao tiếp hai chiều. Khi có thiên tai, chính quyền cần hỏi thêm: mưa sẽ kéo dài bao lâu, khu vực nào nguy hiểm nhất, có nên di dời không. Trả lời những câu hỏi này đòi hỏi hiểu cả khí tượng lẫn bối cảnh.
Ví dụ giả định: một đợt mưa lớn ở miền Trung qua tay dự báo viên
Ví dụ giả định sau đây giúp hình dung công việc. Vào giữa mùa mưa, các mô hình cho thấy một đợt không khí lạnh sẽ tràn xuống trong ba ngày tới, gặp vùng ẩm từ biển thổi vào. Mô hình AI toàn cầu cho mưa vừa trải đều dọc dải ven biển. Mô hình khu vực độ phân giải cao lại cho mưa rất lớn dồn vào sườn đông dãy núi ở hai tỉnh. Dự báo tổ hợp cho thấy phần lớn thành viên có mưa đáng kể, một số ít cho mưa cực lớn.
Dự báo viên nhớ rằng trong các đợt tương tự trước đây, mô hình toàn cầu thường đánh giá thấp mưa ở sườn núi đón gió, vì ô lưới thô làm núi thấp đi và trơn đi. Họ cũng thấy ảnh vệ tinh hơi nước cho dòng ẩm đang mạnh lên đúng như mô hình khu vực mô tả. Từ đó họ nghiêng về kịch bản mưa lớn tập trung, phát tin cảnh báo sớm cho khu vực sườn núi và lưu ý nguy cơ lũ quét, sạt lở.
Trong ngày mưa, họ theo dõi radar và trạm đo mưa tự động từng giờ, so với dự báo, điều chỉnh khu vực cảnh báo khi vùng mưa dịch chuyển. Sau đợt mưa, họ ghi lại mô hình nào đúng, mô hình nào sai và vì sao, để lần sau cân nhắc tốt hơn. Không mô hình nào trong ví dụ này tự làm được toàn bộ chuỗi việc đó.
Công việc dự báo thay đổi thế nào khi có AI
Không phải mọi thứ giữ nguyên. Bảng dưới đây mô tả xu hướng chung trong ngành, theo những gì đã được thảo luận công khai; mức độ ở từng nơi khác nhau.
| Phần việc | Trước đây | Khi có thêm AI |
|---|---|---|
| Xem kết quả mô hình | Vài mô hình số, cập nhật vài lần một ngày | Thêm nhiều mô hình AI chạy nhanh, cập nhật dày hơn, nhiều kịch bản hơn |
| Hiệu chỉnh sai số theo địa phương | Công thức thống kê và kinh nghiệm | Học máy hiệu chỉnh tự động cho từng trạm, dự báo viên kiểm tra |
| Phát hiện dông, sương mù | Theo dõi radar, vệ tinh bằng mắt | Thuật toán gợi ý vùng nghi ngờ, dự báo viên xác nhận |
| Soạn bản tin thường nhật | Viết tay từ đầu | Có thể có công cụ soạn nháp từ số liệu, người biên tập và duyệt |
| Tình huống cực đoan, hiếm gặp | Phân tích sâu nhiều nguồn | Vẫn như vậy, và càng quan trọng vì AI kém nhất ở đây |
Nhìn chung, AI lấy bớt phần việc lặp lại và tính toán, để dự báo viên dồn sức vào những tình huống khó và vào việc truyền đạt rủi ro. Với người dân, điều này chỉ có lợi nếu bản tin vẫn được người có chuyên môn kiểm soát.
Kiểm chứng: dự báo viên tự chấm điểm chính mình
Một phần ít được biết của nghề dự báo là kiểm chứng. Sau mỗi đợt thời tiết, bản tin được đối chiếu với những gì thực sự xảy ra: mưa có đúng khu vực không, nhiệt độ thấp nhất lệch bao nhiêu, cảnh báo có kịp thời không. Kết quả kiểm chứng giúp đánh giá cả mô hình lẫn chính kinh nghiệm của người dự báo.
Khi có mô hình AI mới, việc kiểm chứng càng quan trọng. Một mô hình có điểm số tốt trên toàn cầu có thể không tốt với mưa ở Bắc Trung Bộ hay rét đậm ở vùng núi phía Bắc. Chỉ khi theo dõi nhiều mùa, so trên dữ liệu trong nước, người ta mới biết nên tin nó đến mức nào ở đâu. Đây là việc đòi hỏi kiên nhẫn và chuyên môn, không làm được trong một thông cáo báo chí.
Bài học cho người đọc tin: nếu một nguồn dự báo nào đó tuyên bố chính xác, hãy hỏi họ đã kiểm chứng ở đâu, trong bao lâu, so với cái gì. Câu trả lời nghiêm túc thường có giới hạn rõ ràng, còn câu trả lời không có giới hạn nào là dấu hiệu nên dè dặt.
Gợi ý cho sinh viên muốn theo nghề khí tượng thời AI
Nếu bạn là học sinh, sinh viên quan tâm đến ngành khí tượng, có vài điều đáng chuẩn bị. Đây là gợi ý chung, không phải lời khuyên chọn trường hay so sánh thu nhập.
- Nền tảng vật lý và toán vẫn là cốt lõi: hiểu vì sao khí quyển chuyển động mới biết khi nào kết quả của mô hình, kể cả mô hình AI, có lý hay vô lý.
- Kỹ năng lập trình và xử lý dữ liệu ngày càng cần, từ đọc dữ liệu mô hình đến huấn luyện một mô hình hiệu chỉnh nhỏ.
- Học cách đọc bài báo khoa học tiếng Anh, vì phần lớn tiến bộ về AI trong khí tượng được công bố bằng tiếng Anh.
- Rèn kỹ năng viết và nói rõ ràng: truyền đạt rủi ro cho người không chuyên là phần khó và quan trọng của nghề.
- Quan sát thời tiết thật mỗi ngày và ghi chép; cảm nhận thực địa giúp bạn nghi ngờ đúng lúc khi con số trên máy trông bất thường.
Có thể dùng chatbot AI làm bạn học: nhờ giải thích một khái niệm khó, ra bài tập tự kiểm tra, hay tóm tắt một bài báo bạn đã đọc. Nhưng hãy tự đọc tài liệu gốc, vì chatbot có thể diễn giải sai hoặc bịa nguồn trích dẫn.
Người dân được lợi gì khi dự báo viên dùng AI
Nếu được dùng đúng cách, AI giúp bản tin cập nhật thường xuyên hơn, thông tin theo địa phương chi tiết hơn, và dự báo viên có thêm thời gian cho những tình huống nguy hiểm. Điều người dân cần làm vẫn như cũ: theo dõi bản tin chính thức, hiểu các cấp cảnh báo, và làm theo chỉ đạo của chính quyền địa phương khi có thiên tai.
Điều nên cảnh giác là các nguồn dự báo trôi nổi tự nhận "dùng AI" để gây chú ý, đặc biệt những trang đưa ra dự báo giật gân về bão hay rét đậm vài tuần tới. Không có dự báo viên đứng sau, không có kiểm chứng công khai, những con số đó không đáng để bạn thay đổi kế hoạch hay lo lắng.
Nói ngắn gọn, AI là công cụ mới trong tay người làm dự báo, giống như radar hay vệ tinh trước đây. Mỗi công cụ mới đều làm nghề dự báo tốt hơn, nhưng không công cụ nào làm thay được người hiểu nghề, hiểu đất, hiểu người.
Câu hỏi thường gặp
AI có thay thế hoàn toàn dự báo viên trong tương lai không?
Phần tính toán và một số việc lặp lại sẽ được tự động hoá nhiều hơn. Nhưng nhận ra khi mô hình sai, hiểu địa phương, quyết định cảnh báo và chịu trách nhiệm trước xã hội vẫn cần con người, nên vai trò dự báo viên thay đổi chứ không biến mất.
Dự báo viên dựa vào bao nhiêu mô hình để ra bản tin?
Thường là nhiều mô hình cùng lúc, gồm mô hình toàn cầu của các trung tâm quốc tế, mô hình khu vực chạy trong nước, dự báo tổ hợp và nay có thêm mô hình AI. Họ so sánh, đánh giá độ tin cậy rồi tổng hợp thành nhận định chung.
Vì sao bản tin chính thức đôi khi khác dự báo trên ứng dụng điện thoại?
Nhiều ứng dụng hiển thị trực tiếp kết quả một mô hình, có khi đã được hiệu chỉnh tự động, không qua dự báo viên. Bản tin chính thức là kết quả tổng hợp nhiều nguồn và có giá trị trong phòng chống thiên tai, nên khi có nguy hiểm hãy theo bản tin chính thức.
Dự báo viên có dùng chatbot AI để viết bản tin không?
Việc dùng công cụ soạn nháp tuỳ quy định của từng cơ quan. Dù có dùng, nội dung bản tin vẫn phải do người có chuyên môn kiểm tra và chịu trách nhiệm, vì chatbot có thể diễn đạt sai số liệu hoặc mức độ nguy hiểm.
Học ngành khí tượng có cần giỏi lập trình không?
Ngày càng cần. Nền tảng vật lý và toán vẫn là cốt lõi, nhưng xử lý dữ liệu, chạy mô hình và làm việc với công cụ AI đòi hỏi kỹ năng lập trình cơ bản trở lên. Bạn nên tìm hiểu chương trình đào tạo cụ thể của các trường.
Làm sao biết một nguồn dự báo trên mạng có đáng tin không?
Xem nguồn đó có cơ quan chuyên môn đứng tên, có công bố cách kiểm chứng và giới hạn không. Nguồn chỉ nói chung chung "dự báo bằng AI chính xác" mà không rõ ai làm, đánh giá thế nào thì nên dè dặt và đối chiếu với bản tin chính thức.