Nga ETH Zurich vjen një model themeli i aftë të integrojë atmosferën, tokën dhe ciklin e ujit edhe duke përdorur të dhëna të paplota.

Kur një stuhi tropikale shndërrohet në një supertajfun brenda pak ditësh, sfida nuk është vetëm parashikimi i trajektores së saj. Është të kuptuarit se si era, reshjet, lagështia e tokës, topografia, temperatura dhe qarkullimi atmosferik ndikojnë tek njëra-tjetra. Në korrik 2023, tajfuni Doksuri e demonstroi këtë kompleksitet veçanërisht ashpër, duke goditur Filipinet dhe Kinën me erëra të dhunshme, shira të rrëmbyeshëm dhe dëme të përhapura në zonat bregdetare. Studiuesit në ETH Domain përdorën atë rast të veçantë për të testuar një model të ri moti. Inteligjenca artificiale të aplikuara në sistemin e Tokës.

Modeli quhet Modeli i Themelimit të Sistemit Tokësorose ESFM, dhe u zhvillua brenda Iniciativa Zvicerane e Inteligjencës Artificiale, me kontributin e ETH Zurich, EPFL, Qendra Zvicerane e Shkencës së të Dhënave dhe partnerë të tjerë shkencorë. Risia nuk qëndron në zëvendësimin e modeleve tradicionale meteorologjike, por në ndërtimin e një infrastrukture të aftë për të interpretuar të dhëna heterogjene dhe të paplota: imazhe satelitore, matje nga stacionet tokësore, seri atmosferike, të dhëna hidrologjike dhe vëzhgime të shpërndara në hapësirë ​​dhe kohë.

Çështja është industriale, si dhe shkencore. Bujqësia, sigurimet, menaxhimi i infrastrukturës, mbrojtja civile, energjia dhe planifikimi urban varen gjithnjë e më shumë nga parashikime dhe rindërtime të besueshme. Por të dhënat reale mjedisore rrallë mbërrijnë në një formë të rregullt. Rrjetet e monitorimit nuk janë të shpërndara në mënyrë uniforme, sensorët mund të dështojnë, retë errësojnë satelitët dhe zonat e largëta mbeten të vëzhguara dobët. ESFM u krijua për të punuar pikërisht brenda kësaj ndërprerjeje.

Një model që lidh atmosferën, tokën dhe ujin

Pika kyçe është integrimi. Shumë sisteme të inteligjencës artificiale të motit janë përqendruar kryesisht në atmosferë, duke e trajtuar pjesën tjetër si kontekst ose variabla dytësorë. ESFM, nga ana tjetër, përpiqet të përfaqësojë Sistemi i Tokës si një tërësi e ndërlidhur, ku proceset atmosferike, hidrologjike dhe tokësore nuk ndahen artificialisht. Kjo qasje është e rëndësishme sepse ngjarjet ekstreme si përmbytjet, thatësirat dhe ciklonet tropikale nuk varen nga një ndryshore e vetme, por nga zinxhirët e reagimit.

Fanny Lehmann, matematikë, bashkëpunëtor postdoktoral iQendra e AI-së ETH dhe një anëtar i grupit që zhvilloi modelin, e shpjegoi kërcimin metodologjik si më poshtë:

Modelet e mëparshme të motit me anë të inteligjencës artificiale shpesh janë përqendruar kryesisht në atmosferë. Megjithatë, modeli ynë lidh qëllimisht të dhënat meteorologjike atmosferike me të dhënat hidrologjike dhe tokësore. Bazuar në këtë, inteligjenca artificiale identifikon modelet, trendet dhe marrëdhëniet kryesore brenda sistemit të motit të Tokës dhe i përdor ato për të gjeneruar parashikime, edhe kur mungojnë të dhëna të rëndësishme. Forca e vërtetë e modelit tonë qëndron në aftësinë e tij për të mësuar ndërveprimet thelbësore të motit nga burime të ndryshme të dhënash.

Në terma teknikë, ESFM nuk i detyron të gjitha informacionet në një rrjet të vetëm, të para-normalizuar. Modeli trajton lloje të ndryshme të të dhënave veçmas, i shoqëron ato me koordinata hapësinore dhe kohore dhe më pas i kombinon ato në një kornizë të përbashkët. Kjo lejon ruajtjen e karakteristikave specifike të secilit burim, nga hartat raster satelitore deri te matjet pikësore të temperaturës, presionit, erës ose nivelit të ujit.

Është një hap i rëndësishëm në përdorimin eTë dhënat Big në shkencat mjedisore. Një gamë e gjerë vëzhgimesh nuk është e mjaftueshme nëse të dhënat nuk janë të krahasueshme. Risia e ESFM qëndron në aftësinë e saj për të përdorur formate dhe dendësi të ndryshme pa e reduktuar gjithçka në një përfaqësim të ngurtë, duke humbur informacion gjatë rrugës.

Testi Doksuri dhe çështja e vëzhgimeve të paplota

Testi i Super Typhoon Doksuri është i rëndësishëm sepse ngjarja nuk u përfshi në të dhënat e trajnimit. Pavarësisht kësaj, sipas ETH Zurich, ESFM parashikoi intensitetin e erës me saktësi të jashtëzakonshme gjatë disa ditëve dhe rindërtoi realisht vendndodhjen, lëvizjen dhe zgjerimin hapësinor të stuhisë. Kjo nuk përbën certifikim operativ për përdorim si sistem paralajmërimi, por tregon një aftësi të dobishme përgjithësimi për kërkime mbi ngjarjet ekstreme.

Megjithatë, tipari më dallues i modelit mbetet menaxhimi i boshllëqeve të informacionit. Sipas burimit, pas trajnimit, ESFM është në gjendje të gjenerojë parashikime edhe nga vëzhgimet satelitore ku vetëm afërsisht 100% e të dhënave janë të disponueshme. 3 përqind e pikselëveKjo është veçanërisht e rëndësishme për aplikimet në zona me mbulim të dobët vëzhgimi ose në situata ku marrja e të dhënave pengohet nga kushtet e motit, kufizimet teknike ose mungesa e infrastrukturës.

Firat Ozdemir, zhvillues kryesor i ekipit ESFM dhe shkencëtar i lartë i të dhënave në lo Qendra Zvicerane e Shkencës së të Dhënave, e përmblodhi problemin si më poshtë:

Modelet e mëparshme të inteligjencës artificiale për parashikimin e motit, ndryshe nga ESFM, shpesh trajnoheshin në një lloj të vetëm të dhënash ose në disa grupe të dhënash të formatuara në mënyrë të ngjashme. Performanca e tyre shpesh bie kur punojnë me të dhëna shumë heterogjene ose të paplota. ESFM e adreson këtë sfidë duke integruar të dhëna me shumë burime dhe duke plotësuar boshllëqet e informacionit në mënyrë shumë më efikase.

Kjo aftësi ka implikime konkrete. Në një zonë të goditur nga thatësira, për shembull, kombinimi i reshjeve, lagështisë së tokës, karakteristikave gjeologjike, temperaturës dhe niveleve të ujit mund të ndihmojë në interpretimin e evolucionit të rrezikut. ESFM rindërton të dhënat që mungojnë duke lidhur boshllëqet me informacionin e disponueshëm nga zonat e afërta, variablat e korreluara dhe vëzhgimet e kaluara. Logjika nuk është interpolim i thjeshtë, por më tepër mësimi i marrëdhënieve fizike të përsëritura.

Nga modelet e specializuara në një bazë të ripërdorshme

Fjala model themeli Duhet lexuar me kujdes. Në gjuhën e inteligjencës artificiale, kjo tregon një model të trajnuar në një bazë të gjerë, të aftë për t'u ripërdorur dhe për t'u përshtatur për detyrat pasuese nëpërmjet rregullim i imëtNë rastin e shkencave të Tokës, kjo do të thotë kalimi nga mjetet vertikale, të ndërtuara për një ndryshore ose rast përdorimi të vetëm, në një platformë më të përgjithshme për integrimin e të dhënave dhe parashikimin.

Sebastian Schemm, shkencëtar atmosferik dhe profesor nëUniversiteti i Kembrixhit, tashmë aktiv në ETH Zurich, ka specifikuar fushëveprimin e modelit:

ESFM nuk është as një model klasik i klimës dhe as një model i specializuar për parashikimin e motit apo paralajmërimin e stuhive; përkundrazi, ai i përket një kategorie të dallueshme modelesh që mund të shërbejnë si një bazë fleksibile për një gamë të gjerë detyrash në kërkimin e klimës dhe motit. Avantazhi i tij qëndron në një lloj kuptimi të mësuar sistemik, i cili i lejon atij të prodhojë parashikime të besueshme në shumë raste, edhe kur të dhënat janë të paplota ose të fragmentuara.

Puna teknike e lidhur me projektin, e prezantuar nëAsambleja e Përgjithshme e EGU-së 2026 i Vjenës, e përshkruan ESFM-në si një kornizë për integrimin e të dhënave dhe parashikimeve heterogjene. Modeli ndërtohet mbi bazën kryesore 3D Swin UNet I përdorur tashmë nga Aurora, ai prezanton zgjerime për të dhënat që mungojnë, matjet e pakta, vëzhgimet nga pika të caktuara dhe imazhet satelitore. Ndër elementët e theksuar në paraprintim janë vëmendja aksiale për të kapur varësitë midis variablave dhe skemat individuale të tokenizimit të variablave.

Për sektorin, ndryshimi është i rëndësishëm sepse e zhvendos inteligjencën artificiale klimatike nga një mjedis kryesisht eksperimental në një arkitekturë më modulare. Një model bazë mund të përshtatet me hidrologjinë, bujqësinë, biodiversitetin ose monitorimin mjedisor pa pasur nevojë të fillohet nga e para çdo herë. Mathieu Salzmann, shkencëtar i lartë nëEPFL dhe zëvendësshkencor kryesor i të dhënave në Qendrën Zvicerane të Shkencës së të Dhënave, ka treguar pikërisht këtë drejtim: shfrytëzimin e kapacitetit përfaqësues të modelit në fusha të tilla si bujqësia, biodiversiteti dhe hidrologjia.

Qasja e hapur dhe implikimet për rajonet me pak të dhëna

Një faktor tjetër i rëndësishëm industrial është aksesueshmëria. ETH Zurich tregon se ESFM është i disponueshëm në Përqafimi i fytyrës dhe në një depo GitHubDepozita publike përmban kod trajnimi dhe vlerësimi për eksperimentet e parashikimit të atmosferës dhe sistemit të Tokës. Në një fushë të dominuar nga burime të shtrenjta llogaritëse, hapja e modelit nuk eliminon pengesat, por u lejon grupeve kërkimore dhe organizatave publike të inspektojnë, përshtatin dhe testojnë kornizën.

Projekti mbështetet edhe ngaRrjeti Ndërkombëtar i Llogaritjes dhe IA-së, një iniciativë e lidhur me ETH Zurich që promovon bashkëpunimet ndërkombëtare në IA. Një qëllim i deklaruar është që modelet e këtij lloji të jenë të përdorshme edhe në Global Jug, ku mungesa e të dhënave lokale përfaqëson një kufizim strukturor për parashikimin mjedisor. Në kontekste të tilla, aftësia për të rafinuar ESFM-në me vëzhgime rajonale mund të jetë një ndihmë e madhe për bujqësinë, menaxhimin e ujërave dhe parandalimin e rreziqeve.

Torsten Hoefler, profesor i shkencave kompjuterike në ETH Zurich dhe Kryearkitekti i IA-së në Qendra Kombëtare Zvicerane e Superkompjuterëve nga Lugano, e lidhi rastin e ESFM-së me natyrën më të përgjithshme të modeleve të fondacionit:

"Duke u trajnuar mbi lloje shumë të ndryshme të dhënash, modele si ESFM fitojnë një formë të njohurive themelore dhe për këtë arsye mund të zgjidhin në mënyrë fleksibile një gamë të gjerë detyrash. Në kërkimin e IA-së, ato quhen modele themelore."

Parashikimi nuk duhet të ngatërrohet me premtimin e parashikimit të përsosur. Ngjarjet ekstreme mbeten sisteme dinamike komplekse dhe çdo rezultat i gjeneruar nga një model kërkon validim, krahasim me vëzhgime të pavarura dhe integrim në protokollet ekzistuese. Megjithatë, drejtimi është i qartë:Inteligjenca artificiale Po hyn në meteorologji dhe shkencat mjedisore jo vetëm si një mjet parashikues, por edhe si një teknologji për rindërtimin dhe integrimin e njohurive.

Për SvizzeraProjekti konfirmon rolin e ekosistemeve të shpërndara të kërkimit nëpër universitete, qendra të të dhënave dhe infrastruktura superkompjuterike. Për tregun, ai sinjalizon një ndryshim të mundshëm: nga modelet e specializuara për një parashikim të vetëm në baza të ripërdorshme për të kuptuar fenomenet klimatike, hidrologjike dhe të përdorimit të tokës me të dhëna shpesh të papërsosura. Sfida do të jetë transformimi i kësaj aftësie në mjete të besueshme, të verifikueshme dhe të dobishme për vendimet publike dhe industriale.

Nga viti 1880 deri në vitin 2025, temperatura e planetit Tokë siç tregohet nga të dhënat e mëdha (Big Data)

Monitorimi i emetimeve të dioksidit të karbonit nga hapësira

Këtu janë tre njohuri që mund t'ju interesojnë:

Si ndikon ndryshimi i klimës në sigurinë në vendin e punës
Kontraviolenca, squfuri dhe aerosole: ky është enigma e re klimatike e fluturimit.
Mali Cimone, rojtari global i klimës në majë të Apenineve