Trong các cuộc thử nghiệm gần nhất, GraphCast đã vượt trội hơn hệ thống Trung tâm Dự báo Thời tiết Trung bình châu Âu (ECMWF) về độ chính xác trong các dự báo.
Trong nghiên cứu được công bố trên tạp chí Science, GraphCast có thể đưa ra dự báo chính xác hơn cho 90% trong số 1.380 thông số được thử nghiệm, bao gồm nhiệt độ, áp suất, tốc độ và hướng gió cũng như độ ẩm.
Quan trọng nhất, GraphCast vượt trội đáng kể trong việc dự đoán các sự kiện thời tiết tự nhiên cực đoan.
Vào tháng 9/2023, GraphCast dự đoán cơn bão Lee sẽ đổ bộ vào bờ biển Nova Scotia (Canada) trước khi sự kiện xảy ra 9 ngày, trong khi các công cụ dự báo khí tượng truyền thống chỉ dự đoán trước 6 ngày. Ngoài ra, chúng tỏ ra kém chính xác hơn về thời gian và địa điểm đổ bộ.
Nghiên cứu cho thấy: “GraphCast có thể dự đoán hàng trăm biến số thời tiết trong 10 ngày trên toàn thế giới trong vòng chưa đầy một phút”.
Mô hình GraphCast kết hợp các thuật toán học máy và “mạng lưới thần kinh đồ thị” (GNN) - một kiến trúc xử lý dữ liệu có cấu trúc không gian.
Hệ thống được đào tạo bằng dữ liệu khí tượng do ECMWF lưu trữ trong hơn 40 năm. GNN cho phép tạo dự báo nhanh chóng bằng cách sử dụng tài nguyên máy tính tối thiểu.
Nhiệm vụ chính của GraphCast là dự đoán sự tương tác giữa các điều kiện khí quyển tại các địa điểm khác nhau trên toàn cầu.
Tuy nhiên, bất chấp những tiến bộ đáng kể của Google DeepMind, dự báo thời tiết vẫn là một nhiệm vụ đầy thách thức.
Hệ thống GraphCast vẫn chưa có khả năng cung cấp các thông tin phức tạp, rất quan trọng để dự báo các sự kiện thời tiết như bão.
Đồng thời, trong khi các mô hình dự báo truyền thống có khả năng thích ứng tốt hơn với biến đổi khí hậu, thì các mô hình AI được đào tạo dựa trên dữ liệu lịch sử vẫn gặp khó khăn khi điều kiện khí hậu thay đổi.
Tuy nhiên, các nhà nghiên cứu DeepMind bày tỏ sự tin tưởng vào khả năng phát triển của mô hình với các loại hệ thống thời tiết khác nhau. Phiên bản thử nghiệm của GraphCast hiện có sẵn trên trang web của ECMWF.
(theo Infocity)
