Một trong những biến số khó dự đoán nhất trong thời tiết là lượng mưa, đây là nguồn chính của sự không chắc chắn trong dự đoán lũ lụt. Tuy nhiên, hệ thống AI mới này của Google bỏ qua hoàn toàn việc dự đoán lượng mưa và thay vào đó cố gắng dự đoán lũ lụt từ tất cả những thứ khác đã biết.

Thách thức chính là các quốc gia cần những dự đoán lũ lụt này nhất thường là những nơi không có đủ dữ liệu huấn luyện cho thuật toán học máy, vì họ không có phương tiện để thu thập dữ liệu. Kỹ thuật mới này giúp tái sử dụng dữ liệu từ Hoa Kỳ và các quốc gia khác và áp dụng nó cho các khu vực kém may mắn hơn.

Đáng chú ý, hệ thống AI mới này chính xác hơn các Hệ thống Nhận thức Lũ lụt Toàn cầu được sử dụng trên toàn thế giới. Đây là một bước tiến đáng kinh ngạc có thể giúp ích rất nhiều cho các quốc gia chưa phát triển, không chỉ cho chính phủ mà còn cho công dân. Một số mô hình dự đoán lũ lụt này thậm chí còn rẻ đến mức có thể chạy trên một chiếc điện thoại thông minh trong túi bạn.

Google đã phát triển một phương pháp mới lạ để dự đoán thời tiết vượt trội hơn so với các mô phỏng dựa trên vật lý truyền thống. Thay vì dựa vào các mô hình thời tiết tốn kém về mặt tính toán, họ sử dụng các mô hình AI dựa trên khuếch tán để tạo ra dữ liệu thời tiết khả thi từ các quan sát lịch sử.

Thông điệp chính là các mô hình khuếch tán, được sử dụng để tạo ra hình ảnh từ các lời nhắc văn bản, cũng có thể được áp dụng cho dữ liệu thời tiết. Những mô hình này bắt đầu từ nhiễu ngẫu nhiên và dần dần biến nó thành các mẫu thời tiết thực tế, học tập các chi tiết tinh tế của các sự kiện thời tiết cực đoan trong quá trình này.

Phương pháp này có một số ưu điểm so với các phương pháp truyền thống. Thứ nhất, nó yêu cầu ít năng lượng tính toán hơn nhiều, vì nó không cần chạy các mô phỏng thời tiết phức tạp. Thứ hai, nó có thể khai thác một tập dữ liệu lớn hơn nhiều về các quan sát thời tiết lịch sử, cho phép AI học tập các mẫu toàn diện hơn.

Kết quả là một hệ thống dự đoán thời tiết chính xác hơn các kỹ thuật trước đây, bao gồm cả FourCastNet của NVIDIA và GraphCast của DeepMind. Bước đột phá này có tiềm năng cải thiện đáng kể việc dự báo thời tiết, đặc biệt là ở các khu vực có dữ liệu và tài nguyên tính toán hạn chế, cuối cùng sẽ cứu được nhiều sinh mạng bằng cách dự đoán tốt hơn các sự kiện thời tiết cực đoan.

Đường phát thải của máy bay, được gọi là vết lưu lại, có thể có tác động đo được đến nhiệt độ của hành tinh. Mặc dù chỉ có một tỷ lệ nhỏ các vết lưu lại (khoảng 5%) có tác động kéo dài, nhưng tác động này là đáng kể. Để giải quyết vấn đề này, các nhà nghiên cứu đã phát triển một mô phỏng dựa trên AI có thể dự đoán những máy bay trên những tuyến đường nào có khả năng tạo ra những vết lưu lại kéo dài này.

Thách thức là phân biệt chính xác các vết lưu lại với các đám mây cirrus trông tương tự. Tuy nhiên, các nhà nghiên cứu đã tìm ra một cách đáng tin cậy để phân biệt giữa hai loại này, khiến vấn đề này có thể học được cho hệ thống AI.

Để kiểm tra hiệu quả của phương pháp này, các nhà nghiên cứu đã tiến hành một thử nghiệm với Hãng Hàng không American Airlines, nơi họ đề xuất các điều chỉnh tuyến đường nhỏ dựa trên các dự đoán của AI. Kết quả là giảm 54% việc tạo ra các vết lưu lại bắt giữ nhiệt, chỉ với mức tăng 0,3% về tiêu thụ nhiên liệu. Tác động ròng này tốt hơn 20 lần so với phương pháp hiện tại đối với môi trường.

Bằng cách cố ý tránh các khu vực nơi các vết lưu lại kéo dài có khả năng hình thành, các hãng hàng không có thể giảm đáng kể tác động của họ đến nhiệt độ của hành tinh, với tác động tối thiểu đến hoạt động của họ. Việc sử dụng sáng tạo công nghệ AI này có tiềm năng làm cho hàng không trở nên bền vững hơn và đóng góp vào cuộc chiến chống biến đổi khí hậu.