I dag er presisjonsvarsling avhengig av superdatamaskiner som bruker tusenvis av datatimer på å kjøre komplekse simuleringer. Men hva om vi kunne få like gode – eller bedre – prognoser på bare et sekund?
Aardvark Weather, utviklet av forskere fra University of Cambridge og Alan Turing Institute, er et banebrytende KI-system som erstatter tradisjonelle numeriske værmodeller. Ved å lære direkte fra observasjonsdata kan det levere globale og lokale prognoser uten å være avhengig av eksisterende værmeldingssystemer.
Hvordan Aardvark Weather fungerer
Systemet består av tre integrerte KI-moduler. Den første modulen bearbeider rådata fra satellitter, værstasjoner og radiosonder for å estimere atmosfærens tilstand. Den andre modulen bruker disse dataene til å generere fremtidige prognoser, mens den tredje tilpasser resultatene til spesifikke lokasjoner.
En av de største fordelene er hastighet. Mens tradisjonelle systemer som HRES og GFS bruker tusenvis av datatimer på én prognose, klarer Aardvark det samme på bare ett sekund. Dette skyldes at KI-modellen er mer effektiv til å bearbeide komplekse mønstre i værsystemer.
Muligheten for skreddersydde løsninger
Det som virkelig skiller Aardvark fra tradisjonelle metoder, er evnen til å optimaliseres for spesifikke formål. I stedet for generelle prognoser kan systemet finjusteres for å gi mer nøyaktige varsler innen:
- Landbruk, der presis nedbørsvarsling kan hjelpe bønder med å planlegge vanning og planting.
- Fornybar energi, der bedre vind- og solkraftprognoser kan øke effektiviteten i kraftproduksjonen.
- Kommunal beredskap, der mer pålitelige varsler om ekstremvær kan bidra til tryggere planlegging.
Et norsk eksempel kunne vært en vindparkutbygger som trenger spesifikke prognoser for et fjellområde. I dag må slike aktører ofte bruke egne, kostbare simuleringer. Med Aardvark kunne de i stedet trenge modellen direkte på sine behov, uten ekstra beregningskostnader.
Mine tanker
Denne utviklingen viser at KI ikke bare kan forbedre eksisterende værmeldingssystemer, men også gjøre dem mer tilgjengelige. Ved å redusere behovet for superdatamaskiner kan slike løsninger gjøre presisjonsvarsling tilgjengelig for flere, inkludert regioner som i dag mangler ressurser til avanserte prognoser.
Samtidig åpner det for raskere innovasjon. Mens tradisjonelle værmodeller kan ta måneder eller år å oppdatere, kan en KI-basert modell justeres og forbedres kontinuerlig.
Dette feltet utvikler seg raskt. Følg meg på LinkedIn for flere tanker om hvordan KI endrer hverdagen vår.
Referanser:
End-to-end data-driven weather prediction [PDF]