Bagaimana Meteorolog Menggunakan AI untuk Meramalkan Badai Milton dan Badai Lainnya

(SeaPRwire) –   Pada Rabu malam, akan menjadi di tahun 2024 yang akan mendarat di daratan AS. Seiring badai seperti ini semakin sering dan intens, kecerdasan buatan memainkan peran semakin penting dalam upaya ahli meteorologi dan ilmuwan lainnya untuk melacak badai ini dan mengurangi dampaknya. 

Selama bertahun-tahun, ahli meteorologi telah membangun model perkiraan badai yang kompleks berdasarkan kecepatan angin, suhu, kelembapan, dan faktor lainnya, serta dicatat melalui pembacaan dari pesawat, pelampung, dan satelit. Tetapi model-model ini bisa memakan waktu berjam-jam untuk menghasilkan perkiraan terbaru. 

Model pembelajaran mesin, di sisi lain, memanfaatkan pengetahuan luas tentang atmosfer bumi dan data dari bagaimana badai sebelumnya telah terjadi. Mereka unggul dalam pengenalan pola, mengungkap tren yang sebagian besar manusia tidak dapat bedakan dalam waktu yang jauh lebih singkat. Dan tahun ini, mereka telah berulang kali memberikan prediksi yang akurat terkait badai, yang dihasilkan dalam hitungan detik, dan hari-hari sebelum badai menerjang pantai. 

“Komunitas meteorologi, dalam beberapa kasus dengan enggan, dan dalam beberapa kasus sepenuhnya merangkul, pemodelan AI,” kata ahli meteorologi yang berbasis di Houston . “Dalam hal badai, kami telah belajar bahwa pemodelan AI dapat sebanding dengan model berbasis fisika, jadi Anda harus menggunakannya.” 

Lanza mengatakan bahwa minggu ini, konsensus telah muncul di antara berbagai jenis model bahwa Milton kemungkinan akan mendarat antara Clearwater dan Sarasota, Florida. Pemodelan AI, kata Lanza, “mungkin menangkap potensi hasil tersebut 12 hingga 18 jam sebelum banyak model lainnya.”  

Akurasi AI dalam melacak badai

Ini bukan pertama kalinya model AI memprediksi jalur badai tahun ini sebelum model tradisional. GraphCast, yang dibuat oleh perusahaan AI Google Deepmind, melatih program AI pada empat dekade data cuaca global, dan bahwa Beryl, badai Atlantik utama pertama di tahun 2024, akan mendarat di Texas, berbeda dengan model Eropa teratas yang memprediksi pendaratan di Meksiko. Tim di balik proyek ini , dengan salah satu juri menyebutnya “kemajuan revolusioner.”

Beberapa bulan kemudian, model AI Eropa yang disebut AIFS berhasil memprediksi jalur ketika menerjang Teluk Meksiko. “Konsistensinya luar biasa,” kata Lanza. “Bahkan model tradisional berkinerja terbaik yang saya yakini tidak sekonsisten ini.” Lanza bahwa akurasi model tersebut memberi timnya keyakinan bahwa badai tersebut tidak akan menjadi masalah besar bagi Texas, yang memungkinkan orang-orang di lapangan untuk merencanakan dan mengerahkan sumber daya dengan lebih tepat. 

Model perkiraan utama lainnya termasuk , yang dikembangkan oleh NVIDIA, dan . National Hurricane Center (NHC), untuk bagiannya, telah dalam proses perkiraannya, dengan Wakil Direktur NHC Jamie Rhome menyebutnya sebagai “pilar” keberhasilan tahun lalu. “Kesopanan AI telah meningkat secara dramatis dan terus meningkat, dan itu sangat penting karena kita hanya memiliki tiga jam untuk membuat perkiraan,” katanya kepada NBC Miami.

Terlepas dari kesuksesannya, teknologi ini masih memiliki banyak kekurangan. Sebuah menemukan bahwa sementara model pembelajaran mesin secara efektif meramalkan fitur skala besar dari badai angin Eropa Ciarán, mereka gagal mencatat angin permukaan yang merusak dan aspek tidak biasa lainnya dari badai. Lanza mengatakan bahwa model AI cenderung meremehkan intensitas badai dan terkadang kesulitan dalam mengukur curah hujan. 

Karena kesalahan ini, Lanza mengatakan sangat penting bagi ahli meteorologi untuk tidak hanya mengandalkan perkiraan AI. “Kami tidak menyerahkan kendali kepada hal-hal ini dan hanya mengatakan, ‘buat saya perkiraan dan saya akan hanya mengulanginya’,” katanya. “Anda masih harus melihat spektrum alat yang lebih luas yang tersedia untuk Anda.”

Memprediksi gelombang badai

Di University of Florida, ilmuwan AI sedang berupaya untuk menyelesaikan salah satu masalah yang lebih granular dalam akurasi: bagaimana gelombang badai akan memengaruhi pantai Florida. Jiang mengatakan bahwa AI untuk pemodelan pesisir telah tertinggal di belakang perkiraan cuaca global, karena kurangnya data pelatihan berkualitas tinggi dan fakta bahwa jaringan saraf yang digerakkan oleh data sering kali tidak menyadari prinsip-prinsip fisik dasar, seperti bagaimana air akan bergerak atau menyebar. 

Untuk memajukan bidang ini, Jiang dan rekan-rekannya, termasuk ahli oseanografi pesisir, telah melatih pengganti AI berdasarkan simulasi pesisir. Menurut hasil awal, AI ini telah membuat perkiraan untuk arus laut 500 kali lebih cepat daripada model sebelumnya. Jiang berharap untuk melatih model tersebut untuk gelombang badai segera, yang dia harapkan dapat menyelamatkan nyawa dan mencegah kerusakan properti. “Dalam perkiraan saat ini, mungkin perlu waktu beberapa jam untuk membuat perkiraan. Jika kita mengurangi waktu menjadi beberapa detik, manajer bencana dapat merencanakan lebih banyak waktu dan memiliki lebih banyak orang yang merencanakan kerusakan potensial dengan lebih baik,” kata Jiang. 

Tetapi Jiang berhati-hati untuk mencatat bahwa hanya menggunakan model AI tujuan umum untuk memprediksi gelombang badai dapat memiliki konsekuensi yang buruk. “Jaringan saraf terkadang membuat prediksi yang terlalu percaya diri tetapi tidak akurat, menyebabkan konsekuensi parah dalam pengambilan keputusan yang berisiko tinggi,” katanya. 

Banyak peneliti lain telah memulai proyek paralel. Seorang peneliti di University of Miami sedang dengan harapan membangun replika 3D dari sistem badai aktif, sehingga pesawat tidak perlu terbang ke dalamnya untuk mengambil bacaan. Perusahaan lain menggunakan pembelajaran mesin untuk mencoba di mana pemadaman listrik akan terjadi, dan berapa banyak penduduk yang mungkin terkena dampaknya. 

Jiang mengatakan menghadapi badai seperti Milton membuat pekerjaannya semakin mendesak: “Ada semakin banyak peristiwa dan bahaya pesisir yang parah seperti Badai Milton yang terjadi di dekat rumah saya, dan kami benar-benar berpacu dengan waktu untuk mengembangkan teknologi AI lebih cepat.”