Masa Depan Kecerdasan Buatan dalam Prakiraan Cuaca – Menuju AI — Teknologi, Sains, dan Teknik Terbaik

Penulis (s): Aryan Thodupunuri

Kecerdasan buatan

Prakiraan cuaca hari ini dihasilkan oleh beberapa komputer paling canggih di dunia. Seperti yang Anda ketahui, ramalan cuaca sangat tidak terduga. Hal ini karena iklim merupakan fenomena yang sangat kompleks dan fluktuatif yang membutuhkan banyak uang, data, dan waktu untuk mengevaluasinya. Masa depan mungkin mengikuti jalur yang sangat berbeda mengenai prakiraan cuaca: dan masa depan itu adalah AI

Bagaimana Peramalan Bekerja Saat Ini dan Mengapa Bermasalah

Foto oleh NOAA di Unsplash

Prakiraan cuaca telah dilakukan dengan cara yang sama selama beberapa dekade: superkomputer memproses sejumlah besar data atmosfer dan lautan. Perusahaan peramalan mengumpulkan data dari stasiun cuaca dan mengintegrasikannya dengan data dari berbagai sumber yang berbeda, seperti pelampung laut dan pelacak cuaca independen. Data ini kemudian dianalisis menggunakan model yang mensimulasikan fisika dinamika fluida dalam cuaca, yang membutuhkan sejumlah besar daya pemrosesan, berjam-jam untuk menyelesaikan, dan sejumlah besar uang untuk dikumpulkan dan diproses. Saat ini, tuntutan bersama untuk kecepatan dan akurasi dalam prediksi bahkan menguji algoritme cuaca yang paling canggih.

Pemantau cuaca di observatorium, di darat, dan di perairan menyediakan banjir data iklim dan cuaca di seluruh dunia. Ini terlalu besar dan rumit untuk manusia atau bahkan jaringan komputer standar untuk menganalisis dan memindai kesamaan. Dan itu menjadi masalah karena membuang-buang waktu dan penyimpanan jika kaskade data ini tidak dapat dianalisis sepenuhnya. Karena keterampilan pengenalan pola dalam AI dibuat khusus untuk pekerjaan seperti itu, para peneliti menggunakan pembelajaran mesin, jaringan saraf, dan pembelajaran mendalam untuk melakukan ini. Sejumlah besar data dapat dimasukkan ke dalam algoritme, yang kemudian dapat mempelajari bagaimana dan kapan mendeteksi badai yang dapat menghasilkan petir atau tornado. Ini mendeteksi tren yang mungkin menyebabkan badai bencana atau badai musim dingin yang parah.

Proyek AI Memprediksi Prakiraan Cuaca

Kolaborasi studi antara University of Washington dan Microsoft Research menunjukkan bagaimana kecerdasan buatan dapat mempelajari pola iklim sebelumnya untuk meramalkan peristiwa di masa depan dengan lebih cepat dan hampir seakurat teknologi saat ini. Alih-alih perhitungan fisika yang rumit, model cuaca global yang baru dibuat mendasarkan prakiraannya pada informasi cuaca 40 tahun terakhir. Meskipun desain ini kurang efektif dibandingkan model peramalan konvensional terbaik saat ini, namun memerlukan daya komputer 7.000 kali lebih sedikit untuk menghasilkan proyeksi untuk jumlah titik yang sama di seluruh planet. Penurunan tenaga kerja komputer ini mengarah pada prakiraan cuaca yang lebih cepat. Prakiraan yang lebih cepat ini akan memungkinkan perusahaan cuaca menjalankan banyak model dengan kondisi awal yang sedikit bervariasi. Pendekatan prakiraan cuaca ini dikenal sebagai “peramalan ensemble”, yang memungkinkan peramal untuk mencakup berbagai kemungkinan hasil untuk peristiwa meteorologi, seperti di mana badai dapat berdampak. “Setelah pelatihan tentang informasi cuaca sebelumnya, sistem AI mampu menghasilkan koneksi di antara parameter yang tidak bisa dilakukan oleh model fisika,” jelas Weyn. “Kami dapat menggunakan lebih sedikit variabel dan membuat model yang jauh lebih cepat sebagai hasilnya.” Para peneliti melapisi enam sisi kubus di seluruh planet (pendekatan yang sama dengan model yang dijelaskan kemudian di bagian ini) untuk menggabungkan pendekatan AI yang efektif dengan prediksi cuaca. Akhirnya, seperti dengan desain cetak arsitektur, mereka menghaluskan enam wajah kubus. Karena signifikansi khusus kutub dalam iklim, para peneliti menangani wajah kutub secara unik untuk meningkatkan akurasi prediksi.

Dibandingkan dengan metodologi lama peramalan cuaca, yang membutuhkan waktu 3 jam dan biaya €30 juta dalam perangkat keras komputer untuk menyelesaikannya, metode prakiraan cuaca Deep Weather yang baru telah terbukti lebih cepat dan lebih murah. Deep Weather, menggunakan komputer seharga €10.000, dapat membuat perkiraan yang sama dalam 100 milidetik, yang akan menjadi peningkatan yang signifikan. Algoritma pembelajaran mesin digunakan untuk membuat perkiraan AI. Dengan menggunakan teknik regresi linier untuk menganalisis data yang lebih rumit dalam waktu yang lebih singkat, ahli meteorologi sekarang dapat membuat prediksi yang lebih akurat, menyelamatkan nyawa. Prediksi lain yang dapat dibantu oleh pembelajaran mesin mencakup suhu, kedalaman air, dan kelembapan.

Prediksi Cuaca Numerik adalah salah satu model yang menonjol. Untuk memberikan prediksi cuaca jangka pendek, model memeriksa dan mencoba memanipulasi kumpulan data besar yang ditransmisikan dari satelit cuaca, pengulang sinyal, dan radiosonde. Jaringan Saraf Tiruan, Jaringan Saraf Grup, Jaringan Backpropagation, Jaringan Basis Radial, Jaringan Saraf Regresi Umum, Algoritma Genetika, Multilayer Perceptron, dan Fuzzy Clustering adalah beberapa pendekatan AI untuk prakiraan cuaca. Para peneliti dapat membuat prakiraan curah hujan yang andal enam jam sebelumnya menggunakan teknologi prediksi AI Google, yang didasarkan pada jaringan saraf convolutional (CNN) UNET. CNN adalah serangkaian tahapan proses matematika. Ia menerima citra satelit sebagai masukan dan mengubahnya menjadi gambar keluar. Arsitektur U-Net ini terdiri dari dua jaringan saraf convolutional, yang kedua bekerja secara terbalik dalam proses encoding-decoding.

Bagaimana Prakiraan Dibuat Menggunakan Jaringan Neural Convolutional

Deep Learning Weather Prediction (DLWP) adalah salah satu model cuaca yang menggunakan CNN UNET. Dibutuhkan keadaan atmosfer awal sebagai input dan memprediksi keadaan atmosfer pada waktu tertentu di masa depan. Model mengambil data historis pola cuaca yang diumpankan ke jaringan dalam fase pelatihan. Prediksi cuaca dicapai dalam tiga langkah.

Foto oleh JA Weyn, DR Durran, dan R. Caruana, “Meningkatkan prediksi cuaca global berbasis data menggunakan jaringan saraf konvolusi dalam pada bola kubus”

Pada langkah pertama, para peneliti memetakan prediksi menggunakan “Pendekatan Bola Kubus”, di mana Bumi dibatasi menjadi enam sisi kubus, seperti yang ditunjukkan di atas. Kubus ini kemudian diratakan, yang memungkinkan para peneliti untuk fokus pada satu permukaan kubus pada satu waktu.

Foto oleh JA Weyn, DR Durran, dan R. Caruana, “Meningkatkan prediksi cuaca global berbasis data menggunakan jaringan saraf konvolusi dalam pada bola kubus”

Pada langkah kedua, para peneliti fokus pada arsitektur jaringan saraf, seperti yang ditunjukkan pada gambar di atas. Semua panah oranye mewakili konvolusi 2-D, yang menggunakan filter untuk mengekstrak fitur dari data input. Panah hijau dan ungu mewakili lapisan penyatuan, di mana gambar di jaringan pertama di-downsampling, menghasilkan lebih sedikit parameter di jaringan, dan gambar di-upsampled di jaringan kedua, sehingga kembali ke ukuran aslinya. Garis biru-ke-kuning mewakili koneksi lewati, di mana lapisan tertentu dalam model dilewati dan output dari beberapa lapisan diumpankan sebagai input ke lapisan lain.

Foto oleh JA Weyn, DR Durran, dan R. Caruana, “Meningkatkan prediksi cuaca global berbasis data menggunakan jaringan saraf konvolusi dalam pada bola kubus”

Terakhir, prediksi ini distabilkan dalam jangka menengah hingga jangka panjang menggunakan teknik prediksi urutan. Teknik prediksi urutan di atas akan menghasilkan ramalan 6 jam dan ramalan 12 jam, sebagai input waktu saat ini dan waktu saat ini dikurangi, 6 jam dimasukkan ke dalam arsitektur. Mereka menggunakan teknik yang sama untuk memprediksi setiap dua langkah, dengan prediksi 18 jam dan prediksi 24 jam. Model memperbaiki dirinya sendiri dengan menghitung kesalahan kuadrat rata-rata dari perbedaan antara data aktual pada setiap waktu dan perkiraan yang diprediksinya untuk waktu yang sama. Model kemudian menggunakan kesalahan kuadrat rata-rata ini untuk mengonfigurasi kesalahan dalam arsitektur.

Kesimpulan

Singkatnya, artikel ini bertujuan untuk membahas bagaimana model AI menghasilkan prakiraan cuaca, dan bagaimana mereka dapat bersaing dengan sistem prakiraan cuaca yang ada di masa depan berdasarkan moneter, kecepatan, dan penyimpanan data.

Jika Anda tertarik untuk mempelajari lebih lanjut tentang studi dan topik spesifik yang dibahas dalam bagian ini, lihat referensi di bawah ini.

Referensi

H. Hickey, model AI menjanjikan untuk menghasilkan prakiraan cuaca yang lebih cepat dan akurat (2020), Berita UW S. Gaudin, Mengapa AI menjadi alat yang semakin penting dalam prediksi cuaca (2020), Hewlett Packard Enterprise Menyeimbangkan jaringan energi menggunakan AI waktu nyata ramalan cuaca (2021), Peltarion Preetipadma, BAGAIMANA AI MEMBERdayakan TEKNOLOGI PERAMALAN CUACA? (2020), Analytics Insight L. Bouchard, AI Memprediksi Prakiraan Cuaca Lebih Cepat dan Akurat (2020), Menuju AI

Masa Depan Kecerdasan Buatan dalam Prakiraan Cuaca awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Menuju AI