GenCast: Prediksi AI yang Mengalahkan Meteorologi 🌍✨

GenCast, model AI baru dari Google DeepMind, cukup akurat untuk bersaing dengan meteorologi tradisional. Dalam pengujian menggunakan data tahun 2019, kinerjanya mengungguli model peramalan terkemuka, menurut penelitian yang diterbitkan baru-baru ini. 🌦️✨

AI tidak akan menggantikan meteorologi tradisional dalam waktu dekat, tetapi AI dapat menambah alat yang berguna untuk memprediksi cuaca dan memperingatkan masyarakat tentang badai dahsyat. GenCast adalah salah satu dari beberapa Model AI dalam pengembangan yang dapat menghasilkan perkiraan yang lebih akurat. 🤖⛈️

“Iklim mempengaruhi hampir setiap aspek kehidupan kita… dan ini juga merupakan salah satu faktor terbesar tantangan ilmiah “prediksinya,” kata Ilan Price, seorang ilmuwan senior di DeepMind. “Google DeepMind memiliki misi untuk memajukan AI untuk keuntungan kemanusiaan. Saya pikir ini adalah cara yang penting, kontribusi utama dalam hal itu.” 🌈📊

Price dan timnya melakukan pengujian dengan GenCast terhadap sistem ENS, salah satu model peramalan cuaca paling canggih di dunia, yang dikelola oleh Pusat Prakiraan Cuaca Jangka Menengah Eropa (ECMWF). Menurut penelitian, GenCast mengungguli ENS 97.2% saat itu. diterbitkan minggu ini di majalah Alam. 📈🧐

GenCast adalah model prediksi cuaca berbasis pembelajaran mesin yang dilatih pada data iklim dari tahun 1979 hingga 2018. Model ini belajar mengenali pola dalam data historis empat dekade dan menggunakan informasi tersebut untuk memprediksi apa yang mungkin terjadi di masa mendatang. Ini sangat berbeda dari cara kerja model tradisional seperti ENS, yang masih mengandalkan superkomputer untuk memecahkan persamaan rumit dan mensimulasikan fisika atmosfer. Baik GenCast dan ENS memproduksi perkiraan secara keseluruhan, yang menawarkan berbagai kemungkinan skenario. 🌌🌪️

Misalnya, dengan memprediksi jalur siklon tropis, GenCast dapat memberikan peringatan dini rata-rata 12 jam. GenCast umumnya lebih baik dalam memprediksi jalur siklon, peristiwa cuaca ekstrem, dan produksi energi angin hingga 15 hari sebelumnya. 🌪️⏳

Satu peringatannya adalah bahwa GenCast diuji terhadap versi ENS yang lebih lama, yang sekarang beroperasi pada resolusi lebih tinggi. Penelitian yang ditinjau sejawat ini membandingkan prediksi GenCast dengan perkiraan ENS untuk tahun 2019, menganalisis seberapa dekat setiap model cocok dengan kondisi aktual tahun itu. Menurut Koordinator Pembelajaran Mesin ECMWF Matt Chantry, sistem ENS telah meningkat secara signifikan sejak 2019, sehingga sulit menilai bagaimana GenCast dapat dibandingkan dengan ENS saat ini. 🔍📉

Jelas bahwa resolusi bukanlah satu-satunya faktor penting dalam membuat prediksi yang solid. ENS sudah bekerja pada resolusi yang sedikit lebih tinggi daripada GenCast pada tahun 2019, namun GenCast masih berhasil melampauinya. DeepMind mengklaim telah melakukan studi serupa dengan data dari tahun 2020 hingga 2022 dan menemukan hasil serupa, meskipun hal ini belum ditinjau sejawat. Namun, tidak ada data untuk dibandingkan pada tahun 2023, ketika ENS mulai beroperasi pada resolusi yang jauh lebih tinggi. 📊📈

Membagi dunia ke dalam kotak-kotak, GenCast beroperasi pada resolusi 0,25 derajat, yang berarti setiap kotak dalam kotak tersebut mengukur seperempat derajat lintang dan seperempat derajat bujur. Sebagai perbandingan, ENS menggunakan resolusi 0,2 derajat pada tahun 2019 dan sekarang menjadi 0,1 derajat. 🌍🗺️

Namun, pengembangan GenCast “menandai tonggak penting dalam evolusi prakiraan cuaca,” kata Chantry dalam pernyataan melalui email. Selain ENS, ECMWF juga menjalankan versinya sendiri sistem pembelajaran mesin. Chantry berkomentar bahwa ia “mengambil beberapa inspirasi dari GenCast.” 🌟🤓

Kecepatan menjadi keunggulan GenCast. Anda dapat membuat prakiraan 15 hari hanya dalam delapan menit menggunakan satu Google Cloud TPU v5. Model berbasis fisika seperti ENS dapat memakan waktu beberapa jam untuk melakukan hal yang sama. GenCast menghilangkan semua persamaan yang harus dipecahkan oleh ENS, yang menjelaskan mengapa dibutuhkan lebih sedikit waktu dan daya komputasi untuk menghasilkan prakiraan. ⚡️💻

“Secara komputasi, biaya yang dikeluarkan jauh lebih mahal menjalankan perkiraan tradisional terhadap suatu model seperti GenCast,” kata Price. 💰📉

Efisiensi tersebut dapat membantu meredakan beberapa kekhawatiran tentang dampak lingkungan dari pusat data AI, yang telah berkontribusi terhadap peningkatan emisi gas rumah kaca Google dalam beberapa tahun terakhir. Namun, sulit untuk menilai bagaimana GenCast dibandingkan dengan model berbasis fisika dalam hal keberlanjutan tanpa mengetahui berapa banyak energi yang digunakan untuk melatih model pembelajaran mesin. 🏭♻️

Masih ada peningkatan yang dapat dilakukan GenCast, termasuk kemampuan untuk meningkatkan skala ke resolusi yang lebih tinggi. Selain itu, GenCast mengeluarkan prediksi pada interval 12 jam dibandingkan dengan model tradisional, yang biasanya mengeluarkan prediksi pada interval yang lebih pendek. Hal ini dapat memengaruhi bagaimana prakiraan ini dapat digunakan di dunia nyata (misalnya, untuk menilai berapa banyak tenaga angin yang akan tersedia) 🌪️⚡️.

“Anda ingin mengetahui bagaimana angin akan berperilaku sepanjang hari, bukan hanya pada pukul 6 pagi dan 6 sore,” kata Stephen Mullens, asisten profesor meteorologi di Universitas Florida, yang tidak terlibat dalam penelitian GenCast. 🌞🌬️

Meskipun ada minat yang meningkat mengenai bagaimana AI dapat digunakan untuk meningkatkan perkiraan, namun efektivitasnya belum terbukti. "Orang-orang memperhatikannya. Saya rasa tidak seluruh komunitas meteorologi yakin akan hal itu," kata Mullens. “Kami adalah ilmuwan terlatih yang berpikir dalam konteks fisika… dan karena AI pada dasarnya bukanlah fisika, tetap saja ada unsur yang membuat kami bertanya, 'Apakah ini bagus? Dan mengapa?'” 🤷‍♂️⚖️

Peramal dapat mencoba GenCast sendiri; DeepMind menerbitkan kode dari model sumber terbukanya. Price mengatakan dia melihat GenCast dan lainnya model AI yang ditingkatkan digunakan di dunia nyata bersama model tradisional. “Begitu model-model ini berada di tangan para profesional, kepercayaan dan keyakinan yang lebih besar akan terbangun,” kata Price. “Kami benar-benar ingin ini memberikan dampak sosial yang luas.” 🌍💡