PredictWind testează o nouă generație de prognoze meteorologice care combină modelele tradiționale american și european cu inteligența artificială. Noile sisteme, denumite PredictWind G și PredictWind E, au fost antrenate pe aproximativ 50 de ani de date meteorologice globale și promit să îmbunătățească acuratețea prognozelor, inclusiv pentru navigatori.
Pentru zeci de ani, prognoza meteo a funcționat aproape exclusiv pe baza modelelor numerice clasice. Atmosfera era descrisă prin ecuații complexe, iar supercomputerele calculau evoluția presiunii, temperaturii, umidității și vântului pentru a anticipa ce urmează să se întâmple.
Metoda rămâne fundamentală și astăzi.
PredictWind consideră însă că inteligența artificială poate adăuga o nouă dimensiune acestui proces, identificând relații și tipare în volume uriașe de informații istorice, imposibil de analizat manual. Meteorologul Arnaud Monges explică diferența într-o manieră simplă. În modelul tradițional, ”rezolvi ecuația și poți prezice schimbarea presiunii care duce la schimbarea vântului și toate celelalte lucruri. Aceasta era prognoza meteorologică”. Acum, peste această fundație matematică apare un nou strat: AI.
50 de ani de vreme transformați într-un model
PredictWind dezvoltă două modele distincte. PredictWind G pornește de la modelul meteorologic american, în timp ce PredictWind E este construit pe baza celui european. În ambele cazuri, inteligența artificială este adăugată peste structura prognozei convenționale.
Pentru antrenarea sistemului, compania a utilizat aproximativ 50 de ani de informații meteorologice provenite din întreaga lume. Setul de date include parametri precum vântul, umiditatea și alte variabile atmosferice relevante. Modelul învață relațiile dintre acestea și compară situația actuală cu miliardele de situații întâlnite anterior în arhivă.
”Am alimentat modelul cu toate datele despre vreme, din întreaga lume, pentru toți parametrii – vânt, umiditate și toate celelalte”, explică Monges. ”I-am oferit 50 de ani de date istorice astfel încât să poată învăța. Poate compara ceea ce se întâmplă astăzi și apoi realiza prognoza”.
Pentru utilizator, întregul proces rămâne invizibil. Rezultatul este pur și simplu încă un instrument prin care poate evalua evoluția condițiilor meteorologice înainte de plecare sau în timpul navigației.
De ce AI-ul poate schimba prognoza marină
Pentru navigatori, diferența dintre o prognoză bună și una foarte bună poate fi importantă. Direcția și intensitatea vântului influențează nu doar confortul unei traversări, ci și alegerea rutei, consumul de combustibil, durata călătoriei sau momentul intrării într-un port. Pentru sailing yachts, informația este și mai importantă, deoarece vântul devine parte integrantă a performanței ambarcațiunii.
Modelele meteorologice tradiționale sunt extrem de sofisticate, însă ele încearcă să simuleze fizic atmosfera pornind de la condițiile inițiale. Inteligența artificială abordează aceeași problemă diferit: caută tipare în ceea ce s-a întâmplat anterior. Dacă o anumită combinație de presiune, umiditate, temperatură și circulație atmosferică a produs în trecut anumite condiții, modelul poate utiliza aceste asemănări pentru a rafina prognoza actuală.
PredictWind nu susține însă că AI-ul trebuie să înlocuiască meteorologia convențională. Dimpotrivă. ”Nu renunțăm la modelul tradițional”, subliniază Monges. ”Dar observăm că modelul meteo bazat pe AI aduce lucruri noi.” Această poziționare este importantă. În locul unei competiții între „meteorologia veche” și inteligența artificială, compania urmărește combinarea celor două metode.
Provocarea prognozei de lângă coastă
Există însă o limitare importantă, în special pentru industria nautică. Modelele AI funcționează cel mai bine acolo unde există suficiente date istorice de calitate. Când prognoza trebuie realizată pentru un punct foarte precis, influențat puternic de particularități locale, situația se complică.
Un exemplu simplu este o marină sau o zonă de coastă aflată lângă un deal. Topografia poate modifica dramatic direcția și viteza vântului. Relieful poate accelera curenții de aer, poate crea zone de turbulență sau poate proteja complet anumite golfuri. Dacă pentru acel punct exact nu există suficiente observații istorice, AI-ul are mai puține informații pe care să își bazeze predicțiile. Este una dintre problemele asupra cărora PredictWind continuă să lucreze.
Fenomenul nu este nou pentru meteorologi. Prognoza hiperlocală a fost dintotdeauna una dintre cele mai dificile zone ale meteorologiei, mai ales în apropierea coastelor, unde interacțiunea dintre relief, apă și atmosferă generează microclimate foarte specifice.
Un instrument în evoluție rapidă
Un alt element interesant al meteorologiei bazate pe inteligență artificială este viteza cu care modelele pot evolua. În timp ce modelele numerice clasice au fost rafinate progresiv timp de decenii, sistemele AI pot suferi transformări importante într-un interval mult mai scurt.
Monges estimează că diferența dintre modelele actuale și cele care vor exista în doar un an va fi semnificativă. ”Modelul AI de anul viitor și cel de anul acesta vor fi foarte diferite. Se vor îmbunătăți și vor deveni mai bune”, spune meteorologul. Din acest motiv, PredictWind a început implementarea în regim beta, considerând că investiția trebuie făcută acum pentru ca tehnologia să poată fi maturizată în anii următori.
Mai multe modele, decizii mai bune
Pentru navigatori, introducerea PredictWind G și PredictWind E aduce și un avantaj conceptual important: posibilitatea de a compara mai multe interpretări ale aceleiași situații atmosferice. Practica este deja comună printre skipperii experimentați. În loc să urmărească o singură prognoză, aceștia compară modelele și analizează gradul lor de convergență.
Dacă mai multe sisteme indică aproximativ aceeași evoluție, nivelul de încredere crește. Dacă prognozele diferă considerabil, situația atmosferică este probabil mai dificil de anticipat și merită tratată cu precauție. Modelele bazate pe AI adaugă încă două perspective acestui proces. Nu înlocuiesc judecata skipperului și nici nu elimină necesitatea interpretării datelor. Dar pot contribui la o imagine mai completă asupra evoluției vremii.
Comentați?