Ki merem jelenteni, hogy mind találkoztunk már azzal a helyzettel, hogy 2-3 napra előre hiába néztük meg az időjárás-előrejelzést, aznap akkor is más történt, mint amit ígértek a meteorológusok. És akkor nem is említettem, amikor három különböző forrás négyfélét jósol vagy a pár napnál távolabbi időre szóló előrejelzések pontosságát.
A mesterséges intelligencia (MI) és az adatgyűjtési technológia hihetetlenül gyors ütemű fejlődése az elmúlt években a meteorológiában is hatalmas előrelépéseket hozott. A tudományág szakértői ezt ahhoz hasonlatos technológiai előrelépésnek tekintik, mint amikor 1965-ben elkezdtek számítógépekkel dolgozni. Az MI hatalmas előnye, hogy rengeteg adatot képes emberi mércével rövid idő alatt áttekinteni és a korábbi adatokkal összevetve olyan összefüggéseket találni, amire egy egyszerű halandó nem biztos, hogy képes lett volna. Így például jobban meg tudjuk jósolni a viszontagságos időjárást, amivel nem csak gazdasági károkat előzhetünk meg, de akár emberéleteket is menthetünk. Emellett a rövidtávú, párórás előrejelzéseket is korábban példátlan pontossággal képes már most is kivitelezni az MI, illetve olyan lokális mintázatokat is felismer, amiket eddig nem láthattunk.
Az új technológiai lehetőség vonzerejét az is mutatja, hogy olyan cégóriások fektetnek bele, mint a Google, a Microsoft vagy az Nvidia. Ennek fényében az egész meteorológiai ökoszisztéma, az egyetemektől kezdve, az állami szervezeteken át egészen a magánszektorig azon töri a fejét, hogy miképpen lehetne az MI-t a leghatékonyabban felhasználni.
Ezzel szemben azonban ott a fenyegetése az adatokhoz való csökkenő hozzáférésnek. Eddig a világ meteorológiai adatainak zömét az amerikai Nemzeti Óceán- és Légkörkutatási Hivatal (Noaa) szolgáltatta ingyenesen, azonban a jelenlegi kormányzat nagyjából a forrásai negyedét készül elvonni a szervezettől 2026-ban és a meteorológia ágat az elnökváltás óta 550 tag hagyta el, így nincs biztosítva az adatmennyiség zökkenőmentessége. Mások pedig attól tartanak, hogy az emelkedő geopolitikai feszültségek akadályozhatják az adatok nemzetközi áramlását, mivel azok döntő többsége még mindig állami szervektől származnak. Kiútként látják viszont a kisebb, helyi megfigyelőállomásokat, mivel ezzel az új technológiával gyakorlatilag bárhová tehetünk egy szenzort, amit a modell nagyon hamar be tud építeni, sőt a lokális nagymennyiségű adatforrás még a pontosságot is emelheti. Ezen felül a fejlődő országok adatszegény környezeteiből származó forrásokat is be képes dolgozni a rendszer.
Egyes magáncégek saját műholdak fellövését is fontolgatják, mivel azok kilövési és üzemeltetési költségei is folyamatosan csökkennek. Bár az általuk gyűjtött adatok mennyisége meg sem közelíti az eddigi forrásokét.
Egészen mostanáig egy időjárás-előrejelzés úgy készült, hogy különböző műholdak és tengeri, szárazföldi, légi szenzorok adatait mind betáplálták egy szuperszámítógépbe, ami először értelmezve azokat alkotott egy képet az atmoszféra aktuális és múltbeli állapotáról és ezek alapján algoritmusok segítségével alkotott egy képet a várható történésekről. Az adatokra és az előzetes képalkotásra az MI-modelleknek is szüksége van, de az előrejelzés már a gépi tanulás elvein nyugszik. Tehát az MI nem csupán elemzi a múltbéli adatokat, hanem átfogó fizikai „ismeretei” is vannak, amikre építve megalapozottabb jóslatokat tud készíteni. A kezdeti tesztek alapján az Európai Középtávú Időjárás-előrejelzési Központ körülbelül 20 százalékpontos pontosságbeli javulást jelentett olyan kulcsindikátorokon, mint azok, amik a trópusi ciklonok útvonalát jósolják meg. A szervezet szakértői példaként azt hozták fel, hogy így minőségben olyanok az előrejelzések hét napra előre, mint 2000-ben voltak öt napra előre. További példák, hogy a mesterséges intelligencia például képes volt olyan váratlan eseményeket megjósolni, mint a hóesés New Orleans-ban az idei éveben.
Az MI-modellek még újabb kísérleti generációja már közvetlenül a műholdakból és szenzorokból kéri le a nyers adatokat, így valós időben frissítve a számításait. Sőt, a leghatékonyabb modellekhez már nem is szükséges költséges szuperszámítógépekbe beruházni, hiszen egy hétköznapi asztali PC-k is képesek futtatni. További módszertani újítás, hogy az elemzők nem csak egy, hanem több iterációt futtatnak le egy-egy szimuláció során, mindet picit más kiinduló adottságokkal, jobban felkészülve a bizonytalanságra. Azonban nem költséghatékony 50-nél több iterációt készíteni hagyományos módszerekkel, miközben az MI szó szerint ezreket képes generálni, nagyban mélyítve a meteorológusok rálátását a lehetséges történésekre.
A leírtak ellenére azért egyes szakértőknek vannak fenntartásai az MI helyét illetően a meteorológiában. Példaként hozzák, hogy a viharok intenzitását a hagyományos numerikus módszerekhez képest pontatlanul képesek csak megbecsülni, valamint az atmoszféra folyamatos változása miatt technológiától függetlenül lehetetlen pontos előrejelzést adni két hétnél távolabbi időpontra. A hivatalos álláspont szerint a meteorológusokra továbbra is szükség lesz, hogy ellenőrizzék és összehasonlítsák a különböző MI-modellek eredményeit, kommunikálják azokat a publikum felé szükség esetén kárenyhítési javaslatokat téve és számoljanak az anomáliákkal is. Tehát a mesterséges intelligencia nem fogja a meteorológust kiváltani, de hasznos szövetségese lesz minden bizonnyal.
[forrás: Financial Times 2025.05.19-i számában megjelent cikk]
A mesterséges intelligenciáról korábban itt írtunk.
