Mô hình AI dự báo thời tiết: khác mô hình số truyền thống ở đâu, mạnh yếu ra sao

Mô hình AI dự báo thời tiết là chương trình học từ hàng chục năm dữ liệu khí quyển đã ghi lại để đoán trạng thái tiếp theo của bầu trời, thay vì giải từng phương trình vật lý như mô hình số truyền thống. Chỉ trong vài năm gần đây, cách làm này đã từ bài báo khoa học bước vào phòng dự báo của nhiều cơ quan khí tượng lớn, chạy song song với mô hình cũ.

Nếu bạn từng đọc tin "AI dự báo thời tiết nhanh gấp nghìn lần siêu máy tính" và tự hỏi vậy dự báo viên còn làm gì, bài này giải thích từ gốc: mô hình số vận hành ra sao, mô hình AI học cái gì, hai bên mạnh yếu ở đâu, và người dân nên hiểu tin này thế nào cho đúng. Phần nói về tổ chức và mô hình cụ thể chỉ nêu những gì đã công bố rộng rãi; tình trạng triển khai thay đổi nhanh, bạn nên kiểm thông tin hiện hành.

Mô hình số truyền thống: chia khí quyển thành ô lưới rồi giải phương trình

Từ giữa thế kỷ trước, dự báo thời tiết hiện đại dựa trên một ý tưởng: khí quyển tuân theo các định luật vật lý đã biết về chuyển động của chất lỏng, nhiệt và hơi nước. Nếu biết trạng thái không khí lúc này đủ chính xác, ta có thể tính trạng thái sau đó vài phút, rồi lấy kết quả đó tính tiếp, cứ thế tiến tới vài ngày. Cách làm này gọi là dự báo thời tiết số.

Để tính được, người ta chia toàn bộ bầu khí quyển thành một mạng lưới ô ba chiều, mỗi ô rộng vài km đến hơn chục km theo chiều ngang và xếp chồng nhiều tầng theo chiều cao. Trong mỗi ô, máy tính lưu nhiệt độ, áp suất, gió, độ ẩm và nhiều đại lượng khác, rồi giải phương trình để cập nhật chúng qua từng bước thời gian ngắn. Một lần chạy dự báo toàn cầu mười ngày cần siêu máy tính làm việc nhiều giờ.

Những quá trình nhỏ hơn một ô lưới, như một đám mây dông riêng lẻ hay luồng gió xoáy quanh dãy núi, không tính trực tiếp được. Mô hình phải dùng các công thức gần đúng gọi là tham số hoá. Phần lớn sai số của mô hình số đến từ đây và từ việc không biết trạng thái ban đầu thật chính xác.

Mô hình AI học cái gì và từ đâu

Mô hình AI dự báo thời tiết không được dạy phương trình vật lý. Nó được cho xem một kho dữ liệu khổng lồ gọi là dữ liệu tái phân tích: bản dựng lại trạng thái khí quyển toàn cầu theo từng giờ trong nhiều thập kỷ, do các trung tâm khí tượng ghép từ quan trắc trạm, bóng thám không, máy bay, tàu biển, vệ tinh và mô hình số. Bộ dữ liệu được dùng nhiều nhất cho việc này là ERA5 do Trung tâm Dự báo Thời tiết Hạn vừa châu Âu (ECMWF) xây dựng.

Trong quá trình huấn luyện, mô hình nhận trạng thái khí quyển ở một thời điểm và tập đoán trạng thái sau đó vài giờ. Đoán sai thì các tham số bên trong được chỉnh lại. Lặp lại hàng triệu lần qua nhiều năm dữ liệu, mô hình dần nắm được những quy luật mà khí quyển hay lặp lại: áp thấp di chuyển theo hướng nào trong hoàn cảnh nào, gió mùa đông bắc tràn xuống ra sao, độ ẩm dồn về đâu trước một đợt mưa.

Khi dự báo thật, mô hình lấy trạng thái hiện tại làm đầu vào, đoán bước kế tiếp, rồi lấy chính kết quả đó đoán bước sau nữa. Một số mô hình được nhiều người biết đến là GraphCast của Google DeepMind, Pangu-Weather của Huawei, và mô hình AIFS mà ECMWF đã đưa vào chạy nghiệp vụ. Mỗi mô hình có cách thiết kế riêng, nhưng cùng chung ý tưởng học từ dữ liệu quá khứ.

So sánh nhanh hai cách làm

Bảng dưới đây gom lại những khác biệt chính. Đây là mô tả ở mức nguyên lý; từng mô hình cụ thể có thể khác đôi chút và đang được cải tiến liên tục.

Dòng cuối thường bị bỏ qua trong các bản tin công nghệ. Phần lớn mô hình AI hiện nay chưa tự làm được khâu đồng hoá số liệu, tức là biến hàng triệu quan trắc rời rạc thành một bức tranh khí quyển đầy đủ để bắt đầu. Khâu này vẫn dựa vào hạ tầng của mô hình số. Đã có nghiên cứu làm trọn từ quan trắc tới dự báo bằng AI, nhưng vẫn đang ở giai đoạn thử.

Mô hình AI đang làm tốt ở đâu

Tốc độ. Một dự báo toàn cầu mười ngày chạy xong trong vài phút. Nhờ vậy cơ quan khí tượng có thể chạy nhiều lần hơn, thử nhiều kịch bản hơn, cập nhật thường xuyên hơn với cùng chi phí điện năng.

Các trường quy mô lớn ở hạn vài ngày. Trong các công bố đánh giá, nhiều mô hình AI cho sai số ngang bằng hoặc thấp hơn mô hình số hàng đầu ở các biến quy mô lớn như áp suất, nhiệt độ, gió trên cao ở hạn ba đến mười ngày.

Đường đi của bão. Vị trí và hướng di chuyển của xoáy thuận nhiệt đới, vốn chịu điều khiển của các hệ thống thời tiết lớn, là điểm nhiều mô hình AI thể hiện tốt. Phần cường độ thì khác, sẽ nói ở mục dưới.

Mở cửa cho nơi ít tài nguyên. Chạy được trên máy tính nhỏ hơn nhiều so với siêu máy tính, nên các cơ quan và trường đại học có ngân sách hạn chế cũng có thể thử nghiệm, tinh chỉnh cho vùng của mình.

Những giới hạn cần nói thẳng

Làm mềm cực trị. Mô hình học bằng cách giảm sai số trung bình có xu hướng cho kết quả "an toàn", trơn tru. Hệ quả là đỉnh mưa, gió mạnh nhất trong lõi bão, nhiệt độ cao kỷ lục hay bị đánh giá thấp. Một số mô hình thế hệ sau dùng kỹ thuật sinh nhiều kịch bản để khắc phục phần nào.

Độ phân giải chưa đủ cho hiện tượng nhỏ. Ô lưới cỡ hai mươi lăm km không thấy được một ổ dông rộng vài km, càng không thấy được mưa lớn ở một thung lũng cụ thể. Những chỗ này vẫn cần mô hình khu vực chi tiết và mắt người.

Bị giới hạn bởi quá khứ. Khí hậu đang ấm lên, những kiểu thời tiết cực đoan chưa từng có trong dữ liệu huấn luyện có thể xuất hiện. Mô hình chỉ học từ cái đã xảy ra nên có thể lúng túng với cái chưa từng xảy ra.

Khó kiểm tra vì sao. Khi mô hình số cho kết quả lạ, dự báo viên lần được nguyên nhân. Với mô hình AI, việc giải thích còn là một hướng nghiên cứu mở.

Người ta chấm điểm một mô hình dự báo bằng cách nào

Khi đọc tin một mô hình "tốt hơn" mô hình khác, bạn nên biết người ta so bằng gì. Cách phổ biến là lấy dự báo đã phát hành trong một giai đoạn dài, thường cả năm trở lên, rồi so với trạng thái thật sau đó. Sai số được tính cho từng biến, từng tầng khí quyển, từng hạn dự báo, chẳng hạn nhiệt độ ở độ cao gần mặt đất sau ba ngày hay độ cao mặt đẳng áp ở tầng giữa sau năm ngày.

Một mô hình có thể thắng ở biến này nhưng thua ở biến khác, thắng ở hạn năm ngày nhưng thua ở hạn một ngày, thắng ở vùng ôn đới nhưng không nổi bật ở vùng nhiệt đới. Vì vậy câu "AI dự báo tốt hơn" chỉ có nghĩa khi đi kèm điều kiện cụ thể. Các cơ quan khí tượng lớn thường công bố bảng điểm theo dõi liên tục, so nhiều mô hình trên cùng thước đo, và đây là nguồn đáng tin hơn thông cáo quảng bá của một hãng.

Còn một chuyện ít người để ý: điểm trung bình tốt không bảo đảm mô hình bắt được những ngày quan trọng nhất. Người dân cần dự báo đúng nhất vào ngày có bão, có đợt rét đậm, có mưa lớn kéo dài, mà những ngày như vậy chỉ chiếm phần nhỏ trong cả năm. Nhiều nhà khí tượng vì thế đánh giá riêng khả năng của mô hình với hiện tượng cực đoan, và ở mảng này mô hình AI vẫn đang được kiểm chứng thêm.

Người dân nên hiểu tin "AI dự báo thời tiết" thế nào

Điều quan trọng nhất: bản tin bạn nhận từ cơ quan khí tượng thuỷ văn không phải đầu ra trực tiếp của một mô hình nào. Dự báo viên xem nhiều nguồn, trong đó có mô hình số trong nước và quốc tế, ngày càng có cả mô hình AI, rồi tổng hợp, cân nhắc đặc điểm địa phương và chịu trách nhiệm về bản tin. AI là thêm một công cụ trên bàn làm việc của họ, không phải người thay thế.

Vì vậy, khi thấy một trang mạng hay ứng dụng nào đó quảng bá "dự báo bằng AI chính xác hơn", bạn nên hỏi lại: chính xác hơn với biến gì, ở hạn nào, so với cái gì, ai đánh giá. Với các quyết định có liên quan đến an toàn như ra khơi, sơ tán, đi rừng khi có mưa lớn, hãy luôn theo tin chính thức của cơ quan khí tượng thuỷ văn và chỉ đạo của chính quyền địa phương.

Nếu muốn tự tìm hiểu sâu hơn, bạn có thể nhờ chatbot AI giải thích các khái niệm trong bài này bằng ngôn ngữ đơn giản. Câu lệnh mẫu: "Giải thích cho người không học khí tượng hiểu khác biệt giữa mô hình dự báo số và mô hình học máy, dùng ví dụ đời thường, không quá 300 chữ, nói rõ chỗ nào còn tranh luận." Nhớ đối chiếu lại với tài liệu của cơ quan chuyên môn vì chatbot có thể trả lời sai chi tiết.

Câu hỏi thường gặp

Mô hình AI dự báo thời tiết có chính xác hơn mô hình số không?

Ở một số biến quy mô lớn và hạn vài ngày, các đánh giá đã công bố cho thấy nhiều mô hình AI ngang bằng hoặc tốt hơn. Nhưng với mưa lớn cục bộ, cường độ bão và hiện tượng cực đoan, mô hình số và kinh nghiệm dự báo viên vẫn rất quan trọng, nên hai bên đang chạy song song.

Vì sao mô hình AI chạy nhanh hơn siêu máy tính nhiều như vậy?

Mô hình số phải giải phương trình vật lý qua rất nhiều bước thời gian nhỏ cho hàng triệu ô lưới. Mô hình AI đã dồn phần tốn kém vào giai đoạn huấn luyện, khi dự báo chỉ cần áp dụng các phép tính đã học, mỗi bước nhảy vài giờ, nên xong trong vài phút.

Mô hình AI có cần dữ liệu quan trắc hằng ngày không?

Có. Phần lớn mô hình AI hiện nay vẫn cần trạng thái khí quyển ban đầu, được hệ thống truyền thống dựng từ quan trắc trạm, vệ tinh, bóng thám không và nguồn khác. Không có mạng lưới quan trắc tốt thì mô hình nào cũng dự báo kém.

Dữ liệu tái phân tích là gì?

Đó là bản dựng lại trạng thái khí quyển trong quá khứ theo từng giờ, ghép từ mọi quan trắc có được và một mô hình số thống nhất. Nó giống như một cuốn nhật ký khí quyển nhiều thập kỷ, là nguồn chính để huấn luyện mô hình AI.

Bản tin thời tiết trên truyền hình có dùng AI không?

Bản tin chính thức là kết quả tổng hợp của dự báo viên từ nhiều nguồn mô hình. Việc dùng mô hình AI làm một nguồn tham khảo đang mở rộng ở nhiều nơi. Mức độ cụ thể ở từng cơ quan thay đổi theo thời gian, bạn nên xem thông tin do chính cơ quan đó công bố.

AI có thể dự báo thời tiết chính xác cho một tháng tới không?

Chưa. Khí quyển có tính hỗn loạn nên dự báo chi tiết từng ngày chỉ đáng tin trong khoảng một đến hai tuần, với bất kỳ phương pháp nào. Xa hơn chỉ nói được xu hướng chung như nóng hơn hay mưa nhiều hơn bình thường.