Христо Чипилски е метеоролог, професор в Катедрата по научни изчисления към Щатския университет на Флорида (САЩ). Получава магистърска степен по специалността си в Рединг, Англия, а после докторска в Университета в Оклахома, САЩ. Прекарал е почти две години в Националния център за атмосферни изследвания като постдокторант. Занимава се активно с изследователска работа, като част от най-новите му научни разработки се основават на един от съвременните дялове на изкуствения интелект, наречен генеративно моделиране.
Фокусът на работата му обаче е върху формулирането на нови методи за асимилация на данни - процес, който играе ключова роля при дефинирането на началните условия в числените модели за прогнозиране на времето. Заедно със свои академични сътрудници и студенти е разработил няколко иновативни метода, които успешно се конкурират с утвърдени техники за асимилация в метеорологията. Значителна част от изследователската му дейност е посветена на практическото приложение на методите за асимилация в реалистични атмосферни модели.
Разговаряме с него за напредъка на AI в прогнозирането на времето, за 2024 като най-горещата година в историята на метеорологичните наблюдения, за януари 2025 - най-топлият първи месец от годината, измерван някога, за глобалното затопляне и какви са ходовете на човечеството за преобръщане на тази тенденция.
През последната година всички усетихме колко осезаеми са ползите от работата с изкуствения интелект. Как възможностите на AI се прилагат във вашата сфера – прогнозирането на времето?
Несъмнено развитието на изкуствения интелект породи големи промени в много сфери от живота ни. Въпреки че тези технологии съществуват от доста години насам, голямата еуфория настъпи със свободния достъп до езикови модели като ChatGPT на OpenAI, които днес са неразделна част от работата на много специалисти. България също заема важна позиция в бурното развитие на тези технологии за изкуствен интелект. Проекти като BgGPT на института INSAIT са пример за огромния потенциал на тази сфера.
Аз също активно се възползвам от тези нови технологии в своята работа като университетски преподавател. Голяма част от курсовете, които ръководя в Катедрата по научни изчисления (Department of Scientific Computing) към Щатския университет на Флорида (Florida State University), изискват широко приложение на езици за програмиране.
И тук идва моментът да отбележим, че големите езикови модели са само една малка част от новите методи за изкуствен интелект. За съжаление, техните способности не са достатъчни за решаване на научни проблеми, които се основават на физични закономерности. Прогнозирането на времето е добър пример за това, тъй като симулацията на метеорологични параметри се характеризира със сложни математически уравнения, които изразяват сложни връзки във времето и пространството. Процесът на моделиране е фундаментално различен от този на големите езикови модели, където целта е да се предвиди коя е следващата дума в едно изречение.
Въпреки огромния скептицизъм, през последните няколко години сме свидетели на своеобразна революция в приложението на изкуствен интелект в задачите за прогнозиране на времето и климата. Основният двигател на тези промени са подобрените алгоритми, които се обучават чрез огромна база данни за състоянието на атмосферата за достатъчно дълъг период от време. В голяма част от случаите тези данни идват от така наречения ERA5 ре-анализ, изготвен от Европейския център за средносрочни прогнози (ECMWF). Графиката от Фиг. 1 показва, че някъде в края на 2022 и началото на 2023 г. се появява нов клас AI архитектури, които надминават точността на водещия глобален модел на ECMWF за определени метеорологични параметри. Забележете, че само четири години по-рано точността им е била едва 25% от тази на оперативните модели, базирани на физически принципи. Това представлява един силно ускорен процес в сравнение с бавното подобрение на стандартните числени методи, където са необходими приблизително 10 години, за да подобрим прогнозите с един ден.
Фиг. 1: Хронологично развитие на AI моделите за прогнозиране на времето. Ординатата показва относителната грешка на AI моделите спрямо 3-дневната прогноза за абсолютната топография на 500 хПа от детерминистичния модел на ECMWF. Стойността 100% означава, че прогностичната грешка на даден AI модел е съпоставима с тази на оперативно използвания модел на ECMWF. Графиката е изготвена от Стефан Расп (Stephan Rasp), който е научен изследовател в Гугъл (Google).
Колко широко се прилага тази практика и с колко според вас намаляват шансовете за грешки?
Алгоритмите на изкуствения интелект намират широко приложение в сферата на атмосферното моделиране. Тяхното интегриране обаче варира в широки граници. В някои случаи тези методи се използват като заместител на отделни компоненти в прогностичната система. Едно от честите приложения в това направление е симулацията на процеси с прекалено малки мащаби, за да бъдат точно симулирани с традиционните числени методи. Пример за това са гръмотевичните бури, чиито малки размери и нелинейна динамика създават трудности за физичните модели.
Съществуват и много по-радикални методи, при които прогнозата на всички процеси се базира на обучение с данни от ERA5. Всъщност голяма част от моделите от графиката на Фиг. 1 принадлежат именно към тази категория. Ясно се вижда, че липсата на физика не представлява пречка за успеха на тези модели. Логичната хипотеза би била, че интегрирането на физически закони би довело до още по-осезаемо намаление на прогностичните грешки.
Бурното разработване на двете категории модели във водещи центрове като ECMWF е ясен знак, че в бъдеще новите AI технологии ще се внедряват все по-дълбоко в оперативната метеорология.
Може ли AI по-точно да прогнозира екстремни метеорологични събития като пожарите в Лос Анджелис от тази година или наводненията в Испания от 2024?
Снимка: Getty Images
Един от основните недостатъци на голяма част от AI моделите е тяхната сравнително ниска резолюция, което е и основна пречка за прогнозирането на екстремни явления. Например мащабите на гръмотевичните бури са от порядъка на няколко километра, а хоризонталната резолюция на много от AI моделите от графиката на Фиг. 1 често е над 25 км. Освен това - тази първа генерация от AI модели е основно предназначена за глобални прогнози за времето и тяхната времева стъпка се измерва в часове, а не в минутите, необходими за проследяването на промените в развитието на гръмотевични бури.
Все пак е важно да отбележим, че съществуват и регионални AI модели, които са специализирани за прогнозирането на подобни екстремни явления. Те се представят доста успешно на фона на съществуващите традиционни методи, но проблемът идва от липсата на достатъчно данни за обучение. Например моделът NowcastNet използва регионални радарни данни от САЩ и Китай за прогнозирането на екстремни бури, но, за съжаление, не всяка страна разполага с дълги архиви от качествени радарни наблюдения. Следователно, прилагането на такива регионални AI модели е ограничено до географските райони, където те са се обучавали.
Току-що изминалият януари е бил най-топлият, измерван някога, а 2024 г. е била най-горещата в историята – първата, преминала границата от 1,5 градуса по Целзий над прединдустриалните нива. Какво е обяснението?
Това е пряко следствие от глобалното затопляне, което се изразява във възходящата тенденция на средните годишни температури. Това се вижда ясно от графиката на Фиг. 2, данните за която идват от същия ERA5 ре-анализ, който се използва за обучението на AI модели за прогнозиране на времето. Впечатляващото е, че аномално топлото време се реализира в условия на Ла Ниня (противоположния атмосферен и океански модел на феномена Ел Ниньо - бел. ред.), когато по-студените води в Тихия океан временно забавят повишението на температурите.
Фиг. 2: Средни аномалии в приземните температури за месец януари спрямо прединдустриалните нива.
Естествено, важно е да се подчертае, че глобалното затопляне не означава, че няма места по света, където температурите са по-ниски от обичайните. Напротив, проучванията на мои колеги са показали многократно, че проявата на екстремни явления е един от значимите признаци на глобалното затопляне. Пример за това бяха снеговалежите, които паднаха наскоро във Флорида и няколко други южни щата, граничещи с Мексиканския залив. Много хора се подвеждат от тези явления с противоположен знак, отричайки глобалното затопляне и политизирайки неговите процеси, които иначе са здраво подкрепени с научни данни.
До какви природни бедствия може да доведат тези все по-високи температури?
Повишаването на температурите не е единствената причина за появата на екстремни явления. Климатичната система представлява сложна плетеница от взаимосвързани процеси. В случая с пожарите в Лос Анджелис основна роля изигра динамиката на водния цикъл в региона. Продължителният валежен период преди бедствието създаде условия за буйна растителност, която се превърна в леснозапалим материал в настоящия сух и горещ период. Ключовият катализатор на пожарите обаче беше специфичната синоптична ситуация, довела до образуването на бурните ветрове "Санта Ана". Те имат сходни характеристики с фьоновите условия в Софийското поле и създават изключително благоприятни условия за разпространение на огъня. При такива обстоятелства дори най-малките пожари могат да се разраснат със светкавична скорост и да предизвикат катастрофални последици - особено в близост до голям мегаполис като Лос Анджелис.
По данни на НИМХ, 2024 г. е най-топлата в България от (поне) 1930 г. насам, със средна температура около 2,1 °С над климатичните норми. Тук все по-често се коментира как вече няма 4 сезона – какви са вашите наблюдения?
Снимка: Южен парк в София, БГНЕС
Тези наблюдения напълно се вписват в общата картина на глобалното затопляне – България не може да остане изолирана от тези процеси. Разбира се, регионалните изменения на климата имат своята специфика. Важно е да се има предвид, че всеки сезон реагира по различен начин на климатичните промени, което вероятно допринася за субективното усещане за липса на ясно изразени сезони. Въпреки това, за да се правят надеждни оценки на различните климатични хипотези, тези субективни възприятия трябва да бъдат подкрепени с обективни данни като тези от ре-анализите на ERA5.
Има ли път за преобръщане на тенденцията всяка година да е по-гореща от предишната и какви са ходовете пред човечеството оттук насетне?
Климатичните промени са в напреднал етап, но все още е възможно да се смекчат техните негативни последици в дългосрочен план. Именно това е целта на климатичните конвенции като COP, които ежегодно изготвят доклади за усъвършенстване на мерките за справяне с климатичните предизвикателства. Тези мерки обхващат различни аспекти, включително прехода към възобновяеми енергийни източници, залесяването, развитието на кръговата икономика, както и индивидуални промени в начина на живот – например използването на градски транспорт и разделното събиране на отпадъци.
За да бъдат ефективни, тези усилия трябва да се прилагат систематично. Важно е да се разбере, че дори ако следващата година се окаже малко по-студена от настоящата, това не означава забавяне на глобалното затопляне, а просто временно отклонение от дългосрочната тенденция на повишение на температурите.
Може ли изкуственият интелект да е от помощ с по-точни прогнози и тенденции за глобалното затопляне?
Използването на изкуствен интелект за прогнозиране на климата е още в началните стадии на своето развитие. Това е доста по-трудна задача, защото климатичните модели трябва да могат да се интегрират стабилно за по-дълъг период от време. Повечето стандартни архитектури не позволяват това. В края на декември 2023 обаче се появи един от първите по-успешни AI модели (ACE: AI2 Climate Emulator), специализирани в климатичните прогнози. Той притежава способността да прави стабилни прогнози за 100 години напред, което му дава решаваща преднина в сравнение с предишните AI модели за времето. В комбинация със своята способност да смята 100 пъти по-бързо от традиционните климатични модели, ACE и подобни на него модели имат потенциала да станат важно средство в инструментариума на учените и политиците, занимаващи се с промените в климата. Освен това минималните хардуерни изисквания на тези модели крият потенциал да ги направят много по-достъпни за използване от малки компании или университетски групи с ограничени ресурси.
Работата на метеоролозите ще премине през един динамичен процес на трансформация и преквалификация. Акцентът в бъдеще ще бъде не толкова върху ръчната обработка на данни и прогнози, а върху умелото прилагане на иновативни алгоритми за автоматизация на този процес. Най-успешните метеорологични центрове ще бъдат тези, които успеят бързо да внедрят технологиите в своята оперативна работа. Това се отнася до цялото метеорологично звено.
Още от рубриката "Създатели на бъдеще": Станции в градинки вместо до шосето: Крие ли се колко мръсен е въздухът в София?
