Tekoäly ennustaa sään jo muutaman vuoden kuluttua
Tekoälyavusteiset sääennusteet ovat todellisuutta Suomessa todennäköisesti hyvin pian. Toimialajohtaja Sami Niemelä Ilmatieteen laitokselta arvioi, että niin sanotusti tavanomaisia sääennusteita tehdään tekoälyllä jo vuoden tai parin sisällä.
– Sellaista ei ole viiden vuoden sisään näköpiirissä, että tekoäly tulisi korvaamaan kaiken vanhan. Nyt haetaan uusista ja vanhoista menetelmistä sopivaa yhdistelmää, Niemelä sanoo.
Sääennusteiden käyttäjille muutos ei välttämättä juurikaan näy. Esimerkiksi puhelinsovelluksesta lähipäivien sääennustetta katsova ei tiedä sitä, miten ennuste on tuotettu.
Niemelä arvioi, että murros tapahtuu vaiheittain. Kyse on kuitenkin perustavanlaatuisesta muutoksesta meteorologiassa. Ensimmäiset tulokset tekoälyavusteisista sääennusteista vaikuttavat Niemelän mukaan erittäin lupaavilta.
– Tietokonemalleilla tehdyt ennusteet ovat kehittyneet jatkuvasti, mutta perusperiaate ei ole muuttunut 50 vuoteen. Nyt se muuttuu.
Meteorologin käytännön työssä muutos ei välttämättä ole dramaattinen. Sääennusteet on aiemminkin tehty konetyöllä, Niemelä huomauttaa.
– Kyse on siitä, että tehdään automaattista työtä eri työkaluilla. Lisäksi meteorologeja tarvitaan jatkossakin kommunikoimaan asioita asiakkaille, tulkitsemaan syitä ja seurauksia.
Niin sanottu perinteinen sääennustaminen perustuu siihen, että koko maapallon ilmakehä on jaettu miljooniin laskentapisteisiin. Jokaisessa laskentapisteessä ratkotaan fysikaalisia yhtälöitä, jotka kuvaavat ilmakehän tilaa. Koska laskentapisteitä on paljon, yhtälöiden pyörittäminen vaatii tehokkaita supertietokoneita.
Ennustaminen on aina aikakriittistä. Nykyhetkestä pitäisi saada tehtyä kymmenen vuorokauden sääennuste noin tunnissa.
– Laskentateho on rajoittanut sitä, kuinka tarkkaan ennustetta voidaan laskea. Se on tässä oleellinen juttu, Niemelä sanoo.
Tekoäly tekee vastaavan huomattavasti nopeammin, jopa minuuteissa. Koneoppimismallissa ennusteita ei laadita yhtälöillä, vaan tekoälylle opetetaan ilmakehän käyttäytymistä valtavasta määrästä dataa. Kun kone on kerran opetettu, ei jokaista laskentapistettä tarvitse laskea niin useaan kertaan kuin nykyisissä menetelmissä.
Data, jolla tekoälyä opetetaan, sisältää vuosikymmenten takaiset säähavainnot, mutta myös valtavan määrän niin sanotusti perinteisellä laskentatavalla tehtyjä malliennusteiden ja havaintojen yhdistelmiä. Fysikaalisilla yhtälöillä ennustaminen siis sisältyy tekoälyn opetusdataan. Niemelän mukaan juuri aiemman ennustedatan vuoksi tekoälyennusteet vaikuttavat toimivan niin hyvin.
– Iso kysymys on, kuvaako datasetti 1950-luvulta näihin päiviin saakka sitä, miten ilmasto muuttuu esimerkiksi kymmenen vuoden päästä.
Se tiedetään, että ilmaston lämmetessä sään ääri-ilmiöt yleistyvät. Tätä muutosta tekoäly ei tiedä, sanoo Niemelä. Asiaa tutkitaan aktiivisesti.
Niemelän mukaan esimerkiksi trooppisten hirmumyrskyjen reittejä tekoäly on pystynyt ennustamaan nopeammin ja tarkemmin kuin perinteiset menetelmät. Perinteiset menetelmät ovat kuitenkin vielä tehokkaampia ennustamaan, millä voimakkuudella myrsky iskee.
Euroopan keskipitkien sääennusteiden keskus (ECMWF) otti tänä keväänä käyttöön itse kehittämänsä koneoppimismallin perinteisten sääennustusmenetelmien rinnalle. ECMWF on eurooppalainen, jäsenvaltioista koostuva organisaatio, joka kehittää globaaleja sääennusteita ja tuottaa ennusteiden pohjadataa jäsenilleen, myös Suomelle.
Niemelä kertoo, että muutama vuosi sitten teknologiajätit kuten Google, Microsoft ja Nvidia ottivat ECMWF:n tuottaman ja avoimesti saatavilla olevan datan ja testasivat sillä tekoälyennustamista. ECMWF kiinnostui itsekin tekoälymallien kehittämisestä ja julkaisi hyvin pian oman mallinsa, joka on nyt operatiivisessa käytössä.
– Se on hyvin merkittävä saavutus, sillä kyseessä on ensimmäinen meteorologisesta yhteisöstä noussut ja globaali operatiivisessa käytössä oleva tekoälyennustusmalli Euroopassa, Niemelä sanoo.
ECMWF:n tuottaman tekoälydatan parasta käyttötapaa pohditaan parhaillaan Ilmatieteen laitoksella. Ilmatieteen laitos on myös mukana ECMWF:n ja sen muiden jäsenmaiden kanssa hankkeessa, jossa selvitetään, miten paikallisesti tarkempaa dataa voitaisiin tuoda osaksi globaalia koneoppimismallia. Suomi tekee erityisesti Norjan kanssa yhteistyötä tarkentaakseen mallia pohjoismaiseen ilmastoon sopivaksi.
– Erityistarpeemme liittyvät tietysti kaikkiin kylmiin olosuhteisiin ja lumeen. Äärimmäisiä pakkaslämpötiloja on aina ollut jopa haastavaa ennustaa perinteisillä menetelmillä, Niemelä kertoo.