Google'ın yapay zeka araştırma birimi olan DeepMind tarafından geliştirilen WeatherNext adlı model, son dönemde meteoroloji dünyasında büyük yankı uyandıran yenilikçi bir gelişmeyi skandala sahne etti. Google ve çeşitli araştırmacıların hazırlayıp bilimsel dergi Nature'da yayımlanan makalesine göre, bu yapay zeka modeli fırtınaların gelişimini, geleneksel yöntemlere kıyasla çok daha erken aşamalarda, yüksek bir güvenilirlikle öngörebiliyor.
Mevsimin ilerleyen dönemlerinde Karayipler üzerinde gelişen bir fırtına örneği üzerinden bu yetenek somutlaştırıldı. Fırtınanın güzergahının Haiti'yi etkileyeceği yoksa şiddetlenip Jamaika'ya yöneleceği konusunda mevcut hava modellerinde farklı sonuçlar çıkıyordu. Yapay zeka model WeatherNext ise daha sonraki tahminlerde, fırtına sisteminin Jamaika üzerine bir 5. Kategoride kasırga olarak ulaşacağını yüksek bir kesinlikle öngördü. Bu doğru tahmin sayesinde yerel yetkililer bölgedeki topluluklara çok daha erken uyarıda bulunabildi ve gerekli hazırlıkları zamanında tamamlayabildi.
Piyasaya sürülmeden önce deney aşamasında test edilen bu model, geleneksel hava tahmini yazılımlarına göre fırtınaları bir gün daha erken tahmin edebiliyor. Bu ekstra süre, özellikle kritik kararların alındığı afet durumlarında hayati önem taşıyor.
Yurt Hava Durumu Merkezi Direktörü Mike Brennan'nın belirttiği gibi, gerektiğinde tahliyelerin organize edilmesi, ikmal malzemelerinin sevk edilmesi ve kaynakların fırtına riski karşısında harekete geçirilmesi tamamen zaman odaklı görevlerdir. Yanlış bir karar vermek büyük sonuçlar doğurabilir. Bu nedenle, tahmin doğruluğunu önceki modellere kıyasla bir gün daha ileriye taşıyabilmek bu tür risk yönetimi kararları için altın değerinde.
Mevcut araştırmalarca bildirildiğine göre geleneksel yöntemlerle fırtına tahmini güzergahını sadece bir gün öne taşımak on yıllık titiz bir çalışma gerektiriyordu. Ancak DeepMind'ın yeni yaklaşımı, bu süreçte çığır açıcı ve bilimsel ilerlemeyi hızlandıran önemli bir adım teşkil ediyor.
Yapay zeka ile ekstrem olayları tahmin etmek her zaman zorlayıcı olmuştur. Makalenin lider yazarlarından Ferran Alet, makaledeki çalışmanın bu aşamada karşılaştığı teknik engellerden biri olan veri eksikliğine dikkat çekti. Mekan öğrenimi gibi yöntemlerin geleceğe yönelik doğru öngörülerde bulunabilmesi için büyük miktarda eğitim verisine ihtiyacı vardır; ancak fırtına gibi ekstrem olaylar doğası gereği nadir gerçekleşen vakalardır.
Yaptıkları strateji ise, yeterli sayıta ulaşmak yerine modeli hem hava durumlarında hem de fırtınaların özgün örüntülerinde yetkin hale getirmek oldu. Bu sayede yapay zeka, mevcut modelin eksik kaldığı çok boyutlu bir analizi başardı.
Grup liderlerinden Kate Musgrave ise fırtınaların tahmin edilmesinin ne kadar karmaşık olduğunu şu sözlerle açıklıyor. Bir fırtınanın hangi yöne doğru ilerleyeceğini (güzergah) tahmin etmek, rüzgâr ve soğuk cephelerin konumunu içeren küresel ölçekli verilere ihtiyaç duyar. Öte yandan bir fırtınanın ne kadar güçlü olacağını (şiddeti) ise yerel atmosferik koşullara ve o bölgedeki okyanus durumu gibi çok daha küçük ölçekli veriler gerektirir.
Tarihsel olarak, önceki yapay zeka modelleri fırtınaların güzergahını belirlemede başarılı olurken şiddetini tahmin etme konusunda yetersiz kalıyordu. Bu durum değişti. Örneğin, Hurricane Melissa olayında bu model ilk kez bir 1. Kategoride olan fırtının hızla gelişip 5. Kategoriye ulaşacağını önceden haber verebildi.
Mevcut geleneksel modellere kıyasla daha düşük çözünürlüklü atmosfer verileri kullanan WeatherNext modelinin bu kadar doğru tahminler üretme sırrı ise hala tamamen anlaşılmış değil. Yapay zeka geliştiriciler bile, o altyapıdan nasıl bu kadar net haber alabildiğini tam olarak açıklayamıyor.
Ferran Alet'in belirttiği üzere, düşük çözünürlüklü girdilerin beklenenden daha fazla anlam taşıdığını kanıtlıyor. Model bir tür kara kutu gibi çalışıyor; fizikte yeni ve önceden bilinmeyen olayların tetiklendiğine dair güçlü sinyaller veriyor. Bu durum bilim dünyası için fırtına fiziğinde önemli yeni keşif kapıları aralamış oldu.
Model sadece tek bir tahminde bulunmakla kalmıyor, aynı zamanda gelişmekte olan bir fırtınanın karşılaşabileceği çok sayıda olası senaryoyu sunuyor. Geçen yıl 50 farklı senaryo üretirken artık bu sayı binlere çıktı. Bu bolluk, meteorologların potansiyel ‘keleen etkisi’ veya küçüktürler arasındaki en ufak sapmaların fırtına üzerinde nasıl büyük değişimlere yol açabileceğini daha kapsamlı değerlendirmesini sağlıyor.
Mevcut teknolojimizle geleneksel sayısal modellerin tek seferde yapabileceği bu ölçekte senaryo üretimi mümkün değil. Ancak yetkililer, DeepMind modelini değerli bir araç olarak görüyor fakat bunun nihai karar verme sürecinin merkezinde insan uzmanlığının ve deneyiminin hala kritik olduğunun altını çiziyor.
Henüz yorum yapılmamış. İlk yorumu sen yap!
E-posta adresiniz yayımlanmayacaktır. Gerekli alanlar (*) ile işaretlenmiştir.
