Google Ciptakan AI untuk Prediksi Cuaca dengan Daya Komputasi Minimal
Google’s AI predicts weather using fraction of computing power https://dailyai.com/2024/07/googles-ai-predicts-weather-using-fraction-of-computing-power/

Google memperkenalkan NeuralGCM, sebuah model prediksi cuaca hibrida yang menggabungkan pembelajaran mesin dengan teknik ramalan tradisional dan memiliki manfaat yang mengejutkan.

Prediksi cuaca telah mengalami peningkatan dramatis dalam akurasi ramalan namun teknik tradisional memerlukan sumber daya komputasi yang besar untuk menjalankan algoritma yang semakin kompleks.

Model sirkulasi umum (GCMs) menjadi dasar dari prediksi iklim dan cuaca yang memberi tahu apakah Anda akan membutuhkan payung besok.

GCMs adalah simulator berbasis fisika yang menggunakan persamaan matematika berdasarkan hukum fisika untuk mensimulasikan bagaimana udara, air, dan energi bergerak di sekitar planet.

GCMs biasanya membagi permukaan Bumi menjadi kisi sel hingga 100 kilometer seperti papan catur raksasa. Algoritma memproses setiap kotak secara bertahap untuk memprediksi bagaimana kondisi atmosfer kemungkinan akan berubah.

Persamaan di balik GCMs sangat kompleks dan membuat beberapa superkomputer terbesar di dunia sibuk.

Model pembelajaran mesin (ML) untuk prediksi cuaca telah menunjukkan potensi signifikan namun mereka terutama didorong oleh data.

Sebuah model prediksi cuaca ML memiliki pemahaman yang baik tentang data cuaca historis tetapi kurang pemahaman inheren tentang hukum fisika yang mengatur atmosfer yang dimodelkan dalam GCM.

Model ML cepat dan dapat memberikan ramalan akurat jangka pendek, namun sering mengalami kesulitan dengan stabilitas jangka panjang dan peristiwa cuaca ekstrem langka atau skenario iklim masa depan.

NeuralGCM yang dikembangkan oleh Dmitrii Kochkov di Google Research menggabungkan akurasi dan kemampuan prediksi jangka panjang dari GCM tradisional dengan resolusi, efisiensi, dan kecepatan yang ditingkatkan dari model ML.

Penelitian tersebut mengatakan bahwa akurasi NeuralGCM sebanding atau lebih baik dari model GCM terkini. NeuralGCM adalah "model berbasis pembelajaran mesin pertama yang membuat ramalan cuaca ensemble yang akurat, dengan CRPS yang lebih baik dari model berbasis fisika terkini."

CRPS adalah skor yang membandingkan prediksi cuaca dengan cuaca aktual yang terjadi.

Para peneliti mengklaim, "NeuralGCM bersaing dengan model pembelajaran mesin untuk ramalan satu hingga sepuluh hari, dan dengan prediksi ensemble European Centre for Medium-Range Weather Forecasts untuk ramalan satu hingga lima belas hari."

Sementara NeuralGCM mencapai hasil prediksi yang sebanding dengan GCM, ia jauh lebih sedikit intensif komputasi dan jauh lebih sederhana.

Penelitian tersebut tidak menyebutkan seberapa besar NeuralGCM, namun menawarkan model prediksi cuaca ML Google, GraphCast, sebagai perbandingan.

GraphCast terdiri dari sekitar 5.417 baris sementara model atmosfer FV3 National Oceanic and Atmospheric Administration (NOAA) memiliki sekitar 376.578 baris kode.

Para peneliti mengatakan bahwa NeuralGCM memungkinkan "3 hingga 5 pesanan magnitude penghematan sumber daya komputasi."

Untuk memberikan konteks, penelitian tersebut menjelaskan bahwa "NeuralGCM-1.4° mensimulasikan 70.000 hari simulasi dalam 24 jam menggunakan satu unit pemrosesan tensor versus 19 hari simulasi pada 13.824 inti pemrosesan pusat dengan X-SHiELD," yang merupakan model prediksi cuaca resolusi tinggi.

Para peneliti mengatakan hasil mereka menunjukkan model mereka memiliki kemampuan pemodelan iklim yang mengesankan. Penelitian tersebut mencatat bahwa "model NeuralGCM yang dilatih pada ramalan 72 jam mampu melakukan simulasi multi-tahun yang realistis."

Menggabungkan pembelajaran mesin dengan model fisika tradisional seperti yang dilakukan Google dengan prediksi cuaca "memiliki potensi untuk mengubah simulasi untuk berbagai aplikasi, seperti penemuan material, lipatan protein, dan desain rekayasa multiphysics."

Kecerdasan buatan yang boros sumber daya telah membuat pusat data mendapat banyak kritik atas emisi karbon mereka dan dampak iklim potensial.

NeuralGCM adalah contoh bagus bagaimana kecerdasan buatan bisa berdampak positif pada lingkungan dengan menggantikan, atau melengkapi, proses tradisional yang tidak efisien untuk mengurangi konsumsi daya komputasi.