Project Aardvark: ปฏิวัติการพยากรณ์อากาศด้วย AI

 (turing.ac.uk)
1 คะแนน โดย GN⁺ 2025-03-24 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • การพยากรณ์อากาศที่แม่นยำมีบทบาทสำคัญในหลายภาคส่วน เช่น เกษตรกรรม การขนส่ง และพลังงาน
  • ทำหน้าที่เป็นระบบเตือนภัยในสถานการณ์สภาพอากาศสุดขั้ว เช่น น้ำท่วมหรือคลื่นความร้อน
  • เมื่อระบบพยากรณ์ที่ขับเคลื่อนด้วย AI อย่าง Pangu-Weather ของ Huawei และ GenCast ของ Google DeepMind ปรากฏขึ้น ความคาดหวังต่อการพยากรณ์อากาศด้วย AI ก็เพิ่มสูงขึ้น
  • ที่ Turing Institute กำลังมุ่งพัฒนาเทคโนโลยีพยากรณ์อากาศโดยใช้ AI และกำลังพัฒนาระบบพยากรณ์ด้วย AI รุ่นใหม่ Aardvark

วิธีการพยากรณ์อากาศในปัจจุบัน

  • ปัจจุบันการพยากรณ์อากาศอาศัยแนวทางการพยากรณ์อากาศเชิงตัวเลข (Numerical Weather Prediction, NWP)
  • NWP ประกอบด้วย 3 ขั้นตอนดังนี้:
    • ขั้นตอนที่ 1: รวบรวมข้อมูลจากดาวเทียม สถานีอุตุนิยมวิทยา บอลลูนตรวจอากาศ เรือ เครื่องบิน ฯลฯ เพื่อประเมินสภาพบรรยากาศ
    • ขั้นตอนที่ 2: ใช้แบบจำลองคอมพิวเตอร์ที่ซับซ้อนเพื่อพัฒนาสถานะปัจจุบันไปเป็นสถานะในอนาคต
    • ขั้นตอนที่ 3: ประมวลผลผลการพยากรณ์ ปรับแก้ความแม่นยำตามพื้นที่ และสะท้อนข้อมูลจากนักพยากรณ์อากาศที่เป็นมนุษย์
  • กระบวนการนี้ต้องใช้ซูเปอร์คอมพิวเตอร์สมรรถนะสูง บุคลากรจำนวนมาก และซอฟต์แวร์ที่ซับซ้อน
  • ประเทศพัฒนาแล้วสามารถเดินระบบเหล่านี้ได้ แต่ประเทศกำลังพัฒนาประสบความยากลำบากจากการขาดโครงสร้างพื้นฐาน

แนวทางที่พลิกเกมของ Aardvark

  • Aardvark แทนที่กระบวนการพยากรณ์ทั้งหมดด้วยโมเดล AI เพียงตัวเดียว
  • สามารถฝึกและรันบนคอมพิวเตอร์เดสก์ท็อปได้ และพยากรณ์ได้เร็วกว่าแนวทางเดิมหลายพันเท่า
  • รวบรวมข้อมูลจากหลายแหล่ง เช่น ดาวเทียม สถานีอุตุนิยมวิทยา และบอลลูนตรวจอากาศ เพื่อทำการพยากรณ์อากาศทั่วโลกเป็นเวลา 10 วัน
  • นำสถาปัตยกรรม deep learning แบบใหม่มาใช้เพื่อจัดการข้อมูลที่ซับซ้อนและเติมเต็มค่าที่ขาดหาย
  • ข้อดีของ Aardvark:
    • ใช้งานได้แม้ในประเทศกำลังพัฒนา → ไม่จำเป็นต้องมีซูเปอร์คอมพิวเตอร์
    • เพิ่มทั้งความแม่นยำและประสิทธิภาพของการพยากรณ์
    • ลดพลังงานที่ใช้ในการพยากรณ์อากาศ จึงช่วยลดการปล่อยคาร์บอนได้

ประสิทธิภาพและศักยภาพของ Aardvark

  • ขณะนี้ Aardvark มีความแม่นยำในระดับใกล้เคียงกับ Global Forecast System(GFS) ของสหรัฐฯ
  • ปัจจุบันใช้ข้อมูลที่มีอยู่เพียงประมาณ 10% เท่านั้น → หากใช้ข้อมูลมากขึ้นก็มีโอกาสสูงที่ความแม่นยำจะดีขึ้น
  • มีศักยภาพที่จะมาแทนที่แบบจำลองการพยากรณ์เชิงตัวเลขแบบเดิม
  • ความเร็วในการพยากรณ์ที่สูงช่วยให้ตอบสนองต่อสภาพภูมิอากาศได้อย่างรวดเร็ว
  • สามารถมอบเครื่องมือพยากรณ์ขั้นสูงให้กับประเทศกำลังพัฒนาและประเทศที่มีข้อมูลจำกัด

ความท้าทาย

  • เครื่องมือพยากรณ์ที่ขับเคลื่อนด้วย AI ยังอยู่ในขั้นทดลองและต้องการการตรวจสอบระยะยาว
  • การพยากรณ์ปรากฏการณ์อากาศสุดขั้ว เช่น เฮอริเคนและน้ำท่วม ยังยากเป็นพิเศษ
  • เนื่องจากเป็นโมเดลที่ฝึกจากข้อมูลในอดีต จึงมีความเป็นไปได้ที่จะเกิดความคลาดเคลื่อนจากการเปลี่ยนแปลงสภาพภูมิอากาศ
  • จำเป็นต้องแก้ปัญหาการขาดแคลนข้อมูลของปรากฏการณ์ภูมิอากาศที่เกิดขึ้นไม่บ่อย

แผนในอนาคตของ Aardvark

  • Turing Institute ตั้งเป้ายกระดับความแม่นยำในงานพยากรณ์อากาศ มหาสมุทร และน้ำแข็งทะเลผ่าน Aardvark
  • โดยให้ความสำคัญเป็นพิเศษกับการใช้งานใน ประเทศกำลังพัฒนา และ เขตอาร์กติก
  • มีแผนเสริมความสามารถในการพยากรณ์ปรากฏการณ์อากาศสุดขั้วด้วยการขยายข้อมูลและปรับสถาปัตยกรรมให้เหมาะสมยิ่งขึ้น
  • เพิ่มความสามารถด้านการพยากรณ์ระยะยาวและรายฤดูกาล → สนับสนุนการวางแผนด้านภูมิอากาศระยะยาวของรัฐบาลและภาคธุรกิจ
  • คาดว่าความก้าวหน้าของเทคโนโลยีพยากรณ์อากาศด้วย AI จะช่วยเสริมประโยชน์ต่อสังคมและการคุ้มครองทางเศรษฐกิจ

บทสรุป

  • Aardvark เป็นระบบนวัตกรรมที่จะเปลี่ยนกระบวนทัศน์ของการพยากรณ์อากาศ
  • มีศักยภาพสูงในการเสริมขีดความสามารถในการรับมือสภาพภูมิอากาศของประเทศกำลังพัฒนาและยกระดับความแม่นยำในการพยากรณ์
  • Turing Institute มีแผนผลักดันให้อังกฤษยืนอยู่แนวหน้าของการพยากรณ์ภูมิอากาศผ่าน Aardvark
  • รายละเอียดเพิ่มเติมของ Aardvark ดูได้จากบทความใน Nature

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2025-03-24
ความคิดเห็นจาก Hacker News

  • อ่านแล้วนึกว่า "The Turing Institute? ยังมีอยู่ด้วยเหรอ?"

    • Turing Institute เดิมที่เคยอยู่ในกลาสโกว์ทำวิจัยด้าน AI และสิ้นสุดลงในปี 1994
    • ที่นั่นมีงานวิจัยน่าสนใจออกมาหลายชิ้น แต่เป็นคนละแห่งกับสถาบันปัจจุบัน

  • สงสัยว่ามีการเก็บข้อมูลย้อนหลังหลายทศวรรษไว้หรือไม่

    • ว่าอัลกอริทึม AI สามารถใช้ข้อมูลในอดีตมาเปรียบเทียบประสิทธิภาพกับวิธีเดิมได้หรือไม่
    • คล้ายกับวิธีที่อัลกอริทึมฟินเทคถูกประเมินจากข้อมูลตลาดหุ้นในอดีต

  • อยากตั้งโจทย์ท้าทายให้โมเดล

    • ให้พยากรณ์อากาศล่วงหน้าเกิน 2 วันสำหรับเขตมหานครแคนซัสซิตีให้แม่นยำ
    • ณ ปี 2024 เรื่องนี้ยังแม่นยำได้ยากและพบได้น้อย

  • สงสัยว่า AGI agent สมมุติในอนาคตจะพยากรณ์อากาศได้เหมือนที่มนุษย์รู้วิถีของลูกบอลโดยสัญชาตญาณหรือไม่

    • AI อาจรู้สภาพอากาศของพรุ่งนี้ได้อย่างแม่นยำ แต่ไม่เข้าใจว่าความรู้นั้นได้มาอย่างไร

  • อ่านบทความวิจัยได้ที่นี่

  • ไม่แน่ใจว่าที่บอกว่าแทนที่ทุกขั้นตอนนั้นเป็นการพูดเกินจริง หรือเป็นเพราะฉันพลาดนัยบางอย่างไป

    • สงสัยว่าโมเดลจะเข้ามาแทนขั้นตอนการเก็บข้อมูลได้อย่างไร

  • น่าเสียดายที่การสนับสนุนงบประมาณสำหรับอุปกรณ์เก็บข้อมูลอย่างบอลลูนตรวจอากาศถูกยุติลง

  • สงสัยว่าจะจัดการกับ edge case อย่างเฮอริเคนหรือสภาพอากาศสุดขั้วที่เกิดไม่บ่อยได้อย่างไร

  • พ่อของฉันเคยทำวิจัยอย่างกว้างขวางเกี่ยวกับการสร้างแบบจำลองลมทะเลและปริมาณน้ำฝน และคงอยากให้เขาได้เห็นความก้าวหน้าของ AI และแมชชีนเลิร์นนิงเหล่านี้

  • สงสัยว่าในโลกที่สภาพภูมิอากาศเปลี่ยนแปลงอย่างรวดเร็ว ซึ่งอดีตอาจไม่สามารถทำนายอนาคตได้อีกต่อไป โมเดลแมชชีนเลิร์นนิงจะมีความแข็งแกร่งเพียงใด