Yapay zekâ kasırga tahminlerini keskinleştiriyor, son kararı yine uzmanlar veriyor

Yapay zekâ, veri merkezlerinin tükettiği enerji yüzünden sık sık eleştiriliyor. Aynı teknoloji meteorolojide ise tahminleri belirgin biçimde iyileştiriyor. Bunun en çarpıcı örneklerinden biri, öngörülmesi zor doğa olaylarının başında gelen kasırgalar. ABD Ulusal Kasırga Merkezi (NHC) geçen yıldan bu yana Google DeepMind'ın modelinden yararlanıyor ve şirketle bu modelin halefini geliştirmek için çalışıyor.

Bu yıl sınavdan geçti

Çalışma, bu yıl daha da görünür hâle geldi. Güçlü bir El Niño düzeni Pasifik'te rekor sayıda kasırgaya yol açtı. Geçen ay ise Isaias kasırgası, büyük bir fırtına olarak ABD'nin güneydoğusunu vurdu. Modelin Isaias'ta gösterdiği performans dikkat çekti: sistem, kasırganın tropikal siklona dönüşebileceğini oluşmasından tam bir hafta önce fark etti.

DeepMind'da siklon çalışmalarını yöneten araştırma bilimcisi Ferran Alet'e göre ortada kasırgaya özel bir model yok. Kullanılan, günlük hava tahmini için geliştirilen modelin aynısı ve sınırlarına kadar zorlanıyor. Alet, aşırı hava olaylarını neredeyse ulaşılması gereken bir hedef olarak gördüklerini söylüyor. Gerekçesi şu: bunlar en zor sorunlar, bu alandaki başarı geri kalanını da getirecek.

Geleneksel yöntemlerden farkı

NHC, yapay zekâdan önce birkaç tür model kullanıyordu. Dinamik modeller, atmosferi yöneten akışkan hareketi ve termodinamik denklemlerini süper bilgisayarlarla çözüyor. İstatistiksel modeller, fırtına davranışı ile konum ve tarih gibi değişkenler arasındaki tarihsel ilişkilere dayanıyor. Melez modeller ise fizik ile istatistiği bir araya getiriyor.

Yapay zekâ modelleri de istatistiksel modeller gibi verilerden öğreniyor. Ancak çok daha büyük veri kümeleriyle çalışıyor ve çok daha karmaşık örüntüleri yakalayabiliyor. Ağustosta Nature dergisinde yayımlanan bir DeepMind çalışmasına göre model, tahmincilere ortalama olarak bir günlük ek doğruluk sağladı. Üç günlük tahminler, önceki modellerin ancak iki gün sonrası için verebildiği kalitedeydi. Model ayrıca her siklon için 1.000 olası senaryo üretebiliyor. Yağışı da fırtınanın rotası ve şiddetiyle birlikte öngörüyor.

NHC'nin operasyon bölümü şefi Dan Brown, yapay zekâ modellerini geçen yılın haziran sonunda operasyonlara dahil ettiklerini anlattı. Google DeepMind modeli ise bu yıl, bazı rota ve şiddet konsensüs araçlarına eklendi. Merkez ayrıca Avrupa Orta Vadeli Hava Tahminleri Merkezi'nin ve Ulusal Hava Servisi'nin yapay zekâ modellerini de kullanıyor. Brown'a göre Isaias sırasında bu modeller rota konusunda oldukça iyi çalıştı. Karmaşık yönlendirme düzenlerindeki değişimleri hızla öngörmekte başarılı görünüyorlar. Brown, DeepMind'ı ve NHC'nin kendi modeli HCCA'yı rota ve şiddet konusunda en iyi performans gösteren iki araç olarak öne çıkardı.

Sınırlar ve insan faktörü

Teknoloji kusursuz değil. Brown, tekil modellerin rota ya da şiddet öngörülerini bir çalıştırmadan ötekine "çılgınca" değiştirebildiğini söylüyor. Bu yüzden kasırga uzmanları deneyimlerine ve muhakemelerine başvuruyor. Hangi modelin o anki fırtınayı en iyi yansıttığına karar veriyor ve modelleri harmanlıyorlar. Brown, yapay zekâ modellerinin eğitildiği temeli de fizik tabanlı modellerin oluşturduğuna dikkat çekti.

Brown'ın sözleriyle uzmanın rolü eskisinden de önemli. Bir algoritma rota olasılığı gösterebilir ama canlı uçak ve uydu verisine bakıp fırtınanın o anki yapısını belirleyemez.

Arka plan

Kasırga tahmininde iki ayrı soru var: fırtına nereye gidecek, ne kadar güçlenecek? Rota tahmini yıllar içinde epey ilerledi. Şiddet tahmini ise fırtınanın iç yapısındaki hızlı değişimlere bağlı olduğu için daha çetin kalıyor. Bu nedenle rota ve şiddeti birlikte değerlendiren, çok sayıda modelin ortalamasını alan konsensüs araçları meteorologların başlıca dayanağı.

Yapay zekâ modellerinin cazibesi, hız ve esneklikte yatıyor. Dinamik modeller büyük hesaplama gücü ve zaman gerektirirken, eğitilmiş bir yapay zekâ modeli tahmini çok daha kısa sürede üretebiliyor. Bu da aynı anda çok sayıda senaryo çalıştırmayı kolaylaştırıyor. Yine de bu modeller geçmiş verilerden öğrendiği için, daha önce hiç görülmemiş bir davranışı iyi yakalayıp yakalayamayacağı sürekli sınanması gereken bir konu.

Neden önemli?

Erken ve doğru uyarı, tahliye kararlarını ve hazırlıkları doğrudan etkiliyor. Kasırgaların oluşumunu bir hafta önceden sezmek ya da rotayı daha güvenilir çizmek, yerel yönetimlere değerli zaman kazandırabilir. Bu kazanç, iklim değişikliğinin kasırgaları daha güçlü hâle getirdiği, daha fazla yağış taşıdığı ve daha yavaş ilerlemesine yol açtığı bir dönemde ayrı bir anlam taşıyor.

Öte yandan bir çelişki de var. Cleanview'in analizine göre ABD'de veri merkezi yatırımları elektrik şebekesinin yapısını hızla değiştiriyor. Planlanan yeni veri merkezlerinin büyük kısmı doğal gazla çalışacak. Bu da ülkenin karbon ayak izini büyütüp iklim değişikliğini ağırlaştırabilir. Yani yapay zekâ, kasırga tahminini iyileştirirken dolaylı olarak kasırgaları besleyen sürecin bir parçası olabiliyor.