Как изкуственият интелект може да "обърка" прогнозата за времето

Едно от съвременните предизвикателства се оказва изключителното разнообразие от модели за прогнозиране на времето

Съвременното прогнозиране е немислимо без численото моделиране, но разнообразието от числени прогностични модели днес усложнява задачата на метеоролозите

Рая Лечева

Съвременното прогнозиране е немислимо без численото моделиране, но разнообразието от числени прогностични модели днес усложнява задачата на метеоролозите © Надежда Чипева

Вечерни новини

Всяка делнична вечер получавате трите най-четени статии от деня, заедно с още три, препоръчани от редакторите на "Капитал"

Темата накратко

Глобалните числени модели дават добри резултати, но невинаги дават точни данни за времето за конкретни региони.
Синоптиците стават все по-важни в анализиране на климатичните промени и правенето на политики за адаптация.
Парадоксално, но факт - разнообразието от числени прогностични модели днес всъщност усложнява задачата на метеоролозите.

Съвременното прогнозиране е немислимо без численото моделиране. Но макар и да звучи парадоксално, разнообразието от числени прогностични модели днес всъщност усложнява задачата на метеоролозите. Това коментира Анастасия Стойчева, директор департамент "Прогнози и информационно обслужване" в Националния институт по метеорология и хидрология (НИМХ), по време на първата Национална научна конференция по околна среда, организирана от НИМХ.

Наличието на толкова много модели прави задачата на синоптиците по-сложна, защото трябва да се съобразят със спецификите на всеки модел, като вземат най-добрите му характеристики. А естественият интелект е изправен пред предизвикателствата на изкуствения интелект - все повече числени модели, които се променят на всеки шест месеца, за да стават по-добри, допълни Стойчева.

Сериозните предизвикателства пред синоптиците днес

Например регионалните и глобалните числени модели позволяват достатъчно рано да се сигнализира за очаквани екстремни явления. При намесата на локални фактори обаче моделите подценяват количествата валеж, а често и скоростта на вятъра. Затова се получат разминавания в прогнозата по едно и също време на един и същ числен модел, както е показано на фигурата по-горе.

Използването на иновативни Machine Learning и изкуствен интелект модели усложнява работата в прогностичните звена, а и очаквано показва разминавания, посочват експертът.

Днес прогностичният процес е толкова натоварен, че непрекъснатото усъвършенстване на моделите често е проблем за оперативната практика. Дори въвеждането на изкуствения интелект в прогнозирането парадоксално води до необходимост от все повече обучения и на естествения интелект и в този смисъл човешката намеса е най-важна, посочиха учените от НИМХ. Затова с навлизането на все повече подобрения в моделите е необходимо и адекватно обучение на специалистите.

Кои числени модели използва НИМХ

НИМХ издава прогнози за времето на базата на числени модели, наземни измервания, радарна и спътникова информация. НИМХ заедно с метеорологичните служби на още 25 европейски и северноафрикански страни е член на международния консорциум ACCORD. Всички те използват като основни числени модели за краткосрочна прогноза ALADIN и AROME. Водещата организация е МЕТЕО FRANCE.

ARPEGE е система на база на данни от Европейския център по средносрочни прогнози, която също учените използват. Някои продукти, произведени от НИМХ, са на базата на модела Global Forecast System- GFS на Американската метеорологична служба (NCEP-NOAA). GFS е достъпен модел и всеки с обща култура може да го прави, но това не е реална прогноза, защото не са отчетени редица други фактори и модели.

Числените модели са основен източник за информация в НИМХ при изготвяне на прогнози за времето. В зората на появата на оперативната гражданска прогноза преди 68 години са били положени основите на синоптиката в НИМХ. Днес синоптиците разполагат с регионални числени моделни прогнози от ALADIN-BG (72 h), което е 72-часова прогноза, и AROME-BG, който прави 42-часови прогнози. Специалистите използват и богата прогностична информация от модела на Европейския център за средносрочни прогнози за времето (ECMWF), коментира Стойчева.

За съжаление нито един от моделите не е точен, затова използваме комбинация от модели, посочи Анастасия Стойчева. Дежурният синоптик всеки ден анализира всички модели, с които работим, и прави прогнозата на база информацията от всички. Отделно например моделът на Европейския център за средносрочни прогнози има още 50 по-малки модела, които смятат отделните метеорологични елементи така, че да обхванат с по-голяма точност онова, което би се случило, подчерта експертът.

Така в крайна сметка прогнозата се случва и въз основа на важната преценка на синоптика. За съжаление, повечето сайтове работят с готови модели на базата на изкуствен интелект и предават информацията от тях, без да тя да е анализирана и оценена от експерт метеоролог, а това е проблем, защото не се отчитат локалните фактори на конкретния регион, коментира Стойчева.

Не може да използваш глобален модел и просто да вземеш картинката за България, данните няма да са съобразени с локалните особености на времето. Земята не е тепсия, допълни за "Капитал" доц. Лидия Бочева, директор департамент "Метеорология" в НИМХ. Като наблюдаваш атмосферата със спътници, не може да кажеш, че количеството потенциален валеж на повече от 850 хектопаскала или 1500 м, например на Черни връх, е същото, което ще падне и в София, която е на 500 м височина, каза специалистът. Тогава се вземат предвид едни за сметка на други числени модели, защото някои прогнозират по-добре валежи, други температури, влажност или други фактори на времето.