Защо изкуственият интелект няма да може точно да предсказва ураганите

Ваня Милева Последна промяна на 29 септември 2026 в 00:00 47 0

ураган

Кредит NASA
Ураганът Ирма бързо се засилва, преди да удари Карибите и Флорида през 2017 г., но интензитетът му все още е труден за прогнозиране.

Изкуственият интелект вече се е научил да предсказва глобалните промени във времето с доста висока точност благодарение на три фактора: огромни количества метеорологични данни, напредък в моделите с изкуствен интелект и безпрецедентна изчислителна мощност. 

Той позволява да се предскаже с доста висока точност как ще се промени времето като цяло, например над Европа през следващите седмици. На локално ниво изкуственият интелект поне не прави грешки по-често от хората, които прогнозират времето. Въпреки това, както съобщава phys.org, той далеч не е всемогъщ.

Изкуствен интелект и прогнозиране на времето

В ново проучване учените изследват на какво се основава успехът на изкуствения интелект. Отговорът е огромно количество наблюдателни данни, събрани на много места през последните няколко години. Дори преди ерата на изкуствения интелект тези данни са били използвани за изграждането на много наистина висококачествени атмосферни модели. Следователно основното предизвикателство е било просто да се приложат правилно.

Съвсем различно е положението, когато се опитваме да предскажем времето на конкретно място. Прогнозирането на бури и други катастрофални явления също попада в тази категория.

През последните години светът е свидетел на много бързо усилващи се урагани, които ескалират от относително слаби бури до разрушителни чудовища за броени часове. Ураганът Поло край тихоокеанското крайбрежие на Мексико бързо се засилва от тропическа буря на 21 септември 2026 г. до мощен ураган от категория 5 за 24 часа. Поло бързо се превръща в една от най-силните тихоокеански бури от десетилетия, с ветрове, достигащи 290 километра в час.

Затова е необходимо ураганите да може да се предвиждат предварително.

Учените са използвали сателитни данни, за да картографират аспекти на интензивността на урагана Матю, докато той набира сила по пътя си към Флоридския Панхандъл през 2016 г. Кредит: NASA's Scientific Visualization StudioУчените са използвали сателитни данни, за да картографират аспекти на интензивността на урагана Матю, докато той набира сила по пътя си към Флоридския Панхандъл през 2016 г. Кредит: NASA's Scientific Visualization Studio

Хаосът в урагана

Подобно на глобалните прогнози, локалните прогнози за времето, базирани на изкуствен интелект, се основават на две неща: наземни данни и математически модели, описващи как се развиват събитията. Проблемът е, че броят на точките, където се правят такива измервания, намалява. За прогнозиране на ураган, някои от тези данни трябва да се събират в бурния океан. Това не е нещо, което може лесно да се организира.

Освен това, същите математически модели, които описват поведението на земната атмосфера, стават доста приблизителни в малки мащаби. С други думи, в повечето случаи те предоставят достатъчно точни прогнози, но могат да бъдат и грешни.

Компютърните симулации показват как прогнозирането на интензивността на урагана става по-несигурно, колкото по-далеч е прогнозата. Интензитетът на урагана се измерва като максималния вятър на височина 10 метра. Изображенията показват колко много два урагана могат да се различават по физическия си вид, дори когато имат еднакъв интензитет от категория 5. Кредит: Chanh KieuКомпютърните симулации показват как прогнозирането на интензивността на урагана става по-несигурно, колкото по-далеч е прогнозата. Интензитетът на урагана се измерва като максималния вятър на височина 10 метра. Изображенията показват колко много два урагана могат да се различават по физическия си вид, дори когато имат еднакъв интензитет от категория 5. Кредит: Chanh Kieu

Да предположим, че в бъдеще учените биха могли да измерват всяка част от хиляди бури по света, всяка секунда. Това все още може да не позволи на изкуствения интелект да предсказва перфектно интензивността на ураганите. Причината е хаосът. Малките разлики в началното състояние на урагана могат бързо да нарастват с течение на времето.

Ураганите може да съдържат някакъв елемент на хаос, който може да попречи на моделите с изкуствен интелект да предсказват точно интензивността на ураганите при дълги прогнозни периоди.

След като се окаже в благоприятна среда, тропическата буря може да се засили до максимална възможна сила. Учените наричат ​​тази горна граница потенциален интензитет. Факторите, които помагат да се определи максималния потенциален интензитет, са топлината в атмосферата и температурата на горната повърхност на облаците, което определя колко бързо топлината може да се придвижи от морската повърхност до върха на бурята, и срезът на вятъра, което е разликата в скоростта на вятъра и посоката му на различни височини в атмосферата. Твърде резкият градиент (срез) на вятъра може да разкъса бурята, да я отслаби и да й попречи да разгърне пълния си потенциал.

Всякакви малки смущения също ще доведат до колебания в интензивността на ураганите. Колкото по-топла е океанската повърхност, толкова по-големи са колебанията.

Последните проучвания показват, че тези флуктуации не са чисто случайни, а се случват в рамките на така наречения хаотичен атрактор - набор от възможни състояния на бурята, в които ураганът може да се развива непредсказуемо. Въпреки че съществуването на такъв хаотичен атрактор на интензивността все още не е напълно установено, това представлява фундаментална дилема за обучението на модели с изкуствен интелект за прогнозиране на интензивността на ураганите.

Защо времето се прогнозира трудно?

Времето е резултат от движението на земната атмосфера и океаните, от начина, по който се движи влагата в атмосферата, в съчетание с промените в налягането и температурата на въздуха. Атмосферата и океаните са флуиди - течности или газове. За щастие на метеоролозите съществува набор от уравнения, които описват поведението на флуидите, наречени уравнения на Навие-Стокс.

Съставянето на прогноза за времето започва се с измервания на фактори, които описват текущото време, като температура, въздушно налягане и плътност, скорост на вятъра и съдържание на влага във въздуха. След това тези начални стойности се подават към математически модел, изграден на базата на уравненията на Навие-Стокс и който позволява да се изчисли какво ще е времето в бъдеще с помощта на компютър.

На практика обаче има няколко неща, които правят прогнозирането на времето трудно. Първо, не е възможно да се измерят температурата, налягането, влажността и т.н. във всяка една точка на Земята или в региона, който ви интересува. Второ, не можете да се измерят с безкрайна точност. А известният ефект на пеперудата - идеята, че малко въздушно смущение, причинено от махането на крило на пеперуда, може да се превърне в торнадо на другия край на света - означава, че неизбежните неточности могат да се превърнат в лавина, докато компютърът прави изчисленията, и потенциално да се получи прогноза, която е много погрешна.

Третият проблем е, че уравненията, включени в един метеорологичен модел, са изключително трудни за решаване. Уравненията на Навие-Стокс всъщност са предмет на един от най-големите открити проблеми в математиката. Никой не знае дали изобщо съществуват физически значими решения за най-общата форма на тези уравнения. Ако успеете да докажете или опровергаете съществуването им, ще спечелите награда от един милион долара.

Учените искат моделите с изкуствен интелект да правят възможно най-точните прогнози. По този начин, по време на обучението, целта е да се минимизира разликата между прогнозата и това, което се случва реално, докато моделът с изкуствен интелект не постигне възможно най-малката грешка.

Модел с изкуствен интелект, обучен да минимизира грешката в прогнозата, може следователно да научи най-вероятната еволюция на урагана, като същевременно изглади непредсказуемите колебания. В това отношение тези две цели се конкурират една с друга.

Тъй като данните винаги съдържат известна несигурност, правилата, които един модел с изкуствен интелект научава, са само приблизителни. Следователно точността на прогнозите за интензивността на ураганите ще се влоши само след няколко дни.

Какво е необходимо, за да се правят по-добри прогнози?

"Предизвикателството пред моделите с изкуствен интелект, предсказващи интензивността на ураганите, не е само в получаването на повече данни, изграждането на по-добри невронни мрежи или внедряването на по-бързи компютри. То е и в разбирането на поведението на ураганите и как възниква хаосът в интензивността."

"И двете диктуват дали моделите с изкуствен интелект могат да научат кое е предвидимо и кое непредсказуемо. Това разграничение не само ограничава точността на настоящите ни прогнози за интензивността на ураганите, но и определя следващото поколение системи за прогнозиране и оценка на времето, които трябва да се фокусират върху диапазон от възможни интензитети на ураганите и техните вероятности, вместо върху едно-единствено число за интензитет", заключава авторът на изследването Чан Киеу (Chanh Kieu), професор по атмосферни науки от Университет на Индиана в статия за The Conversation.

Справка: NWP-BASED DEEP LEARNING FOR TROPICAL CYCLONE INTENSITY PREDICTION A PREPRINT, Chanh Kieu, Khanh Luong, Tri Nguyen; https://arxiv.org/pdf/2504.09143

Източник: Why AI has trouble predicting the fury of hurricane intensity, phys.org

Виж още за:
    Най-важното
    Всички новини

    Още от Технологии

    Коментари

    За писането на коментар е необходима регистрация.
    Моля, регистрирайте се от TУК!
    Ако вече имате регистрация, натиснете ТУК!

    Няма коментари към тази новина !