- Seeflection.com
VIVA Tekno – Salah satu artificial intelligence milik Google, yaitu Google DeepMind telah mengembangkan algoritma pembelajaran mesin yang diklaim dapat memprediksi cuaca lebih akurat dibandingkan metode perkiraan saat ini, yang menggunakan superkomputer.
Model Google, yang diberi nama GraphCast, menghasilkan perkiraan cuaca 10 hari yang lebih akurat dibandingkan sistem Prakiraan Resolusi Tinggi (HRES) yang dijalankan oleh Pusat Prakiraan Cuaca Jangka Menengah Eropa (ECMWF), yang membuat prediksi dalam hitungan menit, bukan jam.
Google DeepMind merek HRES adalah sistem simulasi cuaca standar terdepan saat ini.
Ilustrasi BMKG mendeteksi dini potensi cuaca
- ANTARA/HO-BMKG
GraphCast, yang dapat dijalankan di komputer desktop, mengungguli ECMWF pada lebih dari 99% variabel cuaca di 90% dari 1.300 wilayah pengujian, menurut temuan yang diterbitkan pada 14 November di jurnal Science.
Namun para peneliti mengatakan bahwa hal ini bukannya tanpa cacat karena hasilnya dihasilkan dalam kotak hitam, yang berarti AI tidak dapat menjelaskan bagaimana ia menemukan suatu pola atau menunjukkan cara kerjanya, dan bahwa AI harusnya digunakan untuk melengkapi, dan bukan menggantikan alat yang sudah ada.
Peramalan saat ini bergantung pada memasukkan data ke dalam model fisik yang kompleks dan menggunakan superkomputer untuk menjalankan simulasi. Keakuratan prediksi ini bergantung pada detail granular dalam model, dan memerlukan banyak energi serta harga yang mahal untuk dijalankan.
Namun, model cuaca pembelajaran mesin dapat beroperasi lebih murah karena memerlukan lebih sedikit daya komputasi dan bekerja lebih cepat.
Untuk model AI baru, para peneliti melatih GraphCast berdasarkan pembacaan cuaca global selama 38 tahun hingga tahun 2017. Algoritme tersebut membentuk pola antar variabel seperti tekanan udara, suhu, angin, dan kelembapan yang bahkan tidak dipahami oleh para peneliti.
Setelah pelatihan itu, model tersebut mengekstrapolasi prakiraan dari perkiraan cuaca global yang dibuat pada tahun 2018 untuk membuat prakiraan 10 hari dalam waktu kurang dari satu menit.
Dengan menjalankan GraphCast bersamaan dengan perkiraan resolusi tinggi ECMWF, yang menggunakan model fisik yang lebih konvensional untuk membuat prediksi, para ilmuwan menemukan bahwa GraphCast memberikan prediksi yang lebih akurat pada lebih dari 90% dari 12.000 titik data yang digunakan.
GraphCast juga dapat memprediksi peristiwa cuaca ekstrem, seperti gelombang panas, musim dingin, dan badai tropis, dan ketika lapisan atmosfer atas bumi dihilangkan sehingga hanya menyisakan atmosfer tingkat terendah, troposfer, tempat peristiwa cuaca yang berdampak pada manusia menonjol, keakuratannya melonjak hingga lebih dari 99%.
“Pada bulan September, versi langsung dari model GraphCast kami yang tersedia untuk umum, yang diterapkan di situs web ECMWF, secara akurat memperkirakan sekitar sembilan hari sebelumnya bahwa Badai Lee akan menghantam Nova Scotia,” jelas Rémi Lam, seorang insinyur penelitian di DeepMind, menulis dalam penyataan di laporan Live Science, Rabu, 22 November 2023.
“Sebaliknya, perkiraan tradisional memiliki variabilitas yang lebih besar mengenai di mana dan kapan pendaratan akan terjadi, dan hanya memperkirakan Nova Scotia sekitar enam hari sebelumnya.”
Meskipun model ini memiliki kinerja yang mengesankan, para ilmuwan tidak melihat model tersebut akan menggantikan alat yang digunakan saat ini dalam waktu dekat. Perkiraan rutin masih diperlukan untuk memverifikasi dan menetapkan data awal untuk prediksi apa pun, dan karena algoritme pembelajaran mesin memberikan hasil yang tidak dapat dijelaskan, algoritme tersebut rentan terhadap kesalahan atau "halusinasi".
Google DeepMind
- Seeflection.com
Sebaliknya, model AI dapat melengkapi metode perkiraan lainnya dan menghasilkan prediksi yang lebih cepat, kata para peneliti. Mereka juga dapat membantu para ilmuwan melihat perubahan pola iklim dari waktu ke waktu dan mendapatkan gambaran yang lebih jelas tentang gambaran yang lebih besar.
“Mempelopori penggunaan AI dalam prakiraan cuaca akan memberikan manfaat bagi miliaran orang dalam kehidupan sehari-hari mereka. Namun penelitian kami yang lebih luas bukan hanya tentang mengantisipasi cuaca – ini tentang memahami pola iklim kita yang lebih luas,” tulis Lam.
“Dengan mengembangkan alat-alat baru dan mempercepat penelitian, kami berharap AI dapat memberdayakan komunitas global untuk mengatasi tantangan lingkungan terbesar yang kita hadapi.”
