به گفته پژوهشی در Nature، یک سیستم هوش مصنوعی دقت پیش‌بینی آب‌وهوا تا شش هفته آینده را دو برابر می‌کند

پژوهشگرانی از MIT، هاروارد، دانشگاه تورنتو، مایکروسافت، مؤسسه ملی ریاضیات محض و کاربردی برزیل (IMPA) و مرکز اروپایی پیش‌بینی‌های جوی میان‌مدت (ECMWF) پژوهشی در نشریه Nature منتشر کردند که نشان می‌دهد یک لایه پس‌پردازش مبتنی بر یادگیری ماشینی می‌تواند دقت پیش‌بینی آب‌وهوا را در بازه «زیرفصلی» دو تا شش هفته دو برابر کند؛ بازه‌ای که تاریخاً برای پیش‌بینی روزانه قابل‌اعتماد بسیار دور از دسترس تلقی می‌شد. این سیستم مانند یک «پوسته» (wrapper) عمل می‌کند که یاد می‌گیرد خطاهای سیستماتیک مدل‌های موجود، مانند سیستم پیش‌بینی مبتنی بر هوش مصنوعی ECMWF، را شناسایی و اصلاح کند. این سیستم با اعمال بر روی آن مدل، دقت را برای ۹۱٪ از هدف‌های فشار هوا، ۹۲٪ از هدف‌های دما و ۹۸٪ از هدف‌های بارش بهبود داد. نکته مهم این است که برای نخستین بار در این بازه، حتی برای رویدادهای جوی شدید، از میانگین‌های اقلیمی پیشی گرفت؛ معیاری که روش‌های سنتی تصحیح اریبی هرگز به آن نرسیده بودند. این مدل نیازی به ابررایانه ندارد و می‌تواند بر روی هر سیستم پیش‌بینی دیگری نیز اعمال شود. به گفته پژوهشگران، این پیشرفت کاربردهای واقعی مهمی دارد: هشدارهای بهتر در بازه دو تا شش هفته می‌تواند به اپراتورهای شبکه برق، کشاورزان و مدیران بحران کمک کند تا برای آب‌وهوای شدید آماده شوند. تیم پژوهش به‌عنوان نمونه اشاره کرد که هشدار کافی می‌توانست به کاهش اثرات طوفان‌های زمستانی سال ۲۰۲۱ در تگزاس کمک کند، طوفان‌هایی که دست‌کم ۲۴۶ نفر را به کشتن داد. این تیم با استفاده از این فناوری، رتبه نخست مسابقه بین‌المللی پیش‌بینی ECMWF را کسب کرد.