Ramalan cuaca telah menjadi sangat dipercayai dalam jangka masa pendek: model hari ini sangat tepat sehingga kira-kira dua minggu, dan unjuran iklim jarak jauh juga bertambah baik. Walau bagaimanapun, di antara dua skala masa itu, terdapat titik buta yang degil. Ramalan dalam tetingkap dua hingga enam minggu — dikenali sebagai ramalan sub-musim — kekal tidak boleh dipercayai, walaupun julat itulah yang penting untuk menentukan masa untuk menanam tanaman, cara memperuntukkan air dan tenaga, dan cara bersiap sedia menghadapi kebakaran hutan.
Microsoft Research dan rangkaian kolaborator luar berkata mereka telah menemui cara untuk mengecilkan jurang itu, bukan dengan membina satu lagi model ramalan, tetapi dengan mengajar perisian untuk membetulkan kesilapan yang boleh diramalkan bagi model yang sudah wujud. Pendekatan yang dipanggil Pembetulan Bias Kebarangkalian (PBC), diperincikan dalam kertas kerja yang diterbitkan dalam jurnal saintifik Nature dan diterangkan dalam catatan blog Microsoft yang diterbitkan minggu ini. Ia adalah salah satu entri praktikal yang lebih senyap dalam gelombang penyelidikan AI gunaan yang diliputi dalam kalangan perkembangan AI terkini, kerana ia meningkatkan sistem yang telah dipercayai oleh ahli meteorologi daripada meminta mereka beralih kepada sesuatu yang baharu.
Mengapa Tetingkap Dua hingga Enam Minggu Menolak Ramalan
Model berasaskan fizik mensimulasikan atmosfera dan lautan menggunakan persamaan saintifik, manakala model AI yang lebih baharu melatih arkib besar data cuaca yang diperhatikan. Menurut Microsoft, kedua-dua keluarga menunjukkan prestasi yang baik sehingga kira-kira sepuluh hari. Di luar titik itu, kompaun ralat awal yang kecil dan interaksi kompleks antara atmosfera, lautan dan permukaan tanah mengatasi kedua-dua pendekatan, itulah sebabnya tinjauan dua hingga enam minggu telah lama ketinggalan dalam ramalan yang lain.
Daripada memasuki bidang model bersaing yang sesak, pasukan yang diterajui Microsoft memfokuskan pada sasaran yang berbeza: ralat sistematik dan berulang yang dibuat oleh model dalam julat ini. "Saluran paip baharu kami (PBC) mengambil model kegemaran anda sebagai input dan mempelajari cara ia cenderung untuk membuat kesilapan. Ia kemudian membetulkan ralat tersebut, menghasilkan ramalan keluaran yang lebih baik untuk julat sub-musim," jelas syarikat itu dalam catatan blognya.
Lapisan Ringan di Atas Model Sedia Ada
Secara teknikal, PBC ialah sistem pembelajaran mesin ringan yang mengkaji arkib ramalan sejarah mana-mana model tertentu untuk mengetahui di mana dan bagaimana ia berat sebelah secara sistematik. Setelah corak tersebut dipelajari, sistem melaraskan keluaran kebarangkalian model untuk mengimbangi. Dalam penilaian yang diterangkan dalam kertas Nature, Microsoft melaporkan bahawa PBC meningkatkan prestasi model sub-musim debias operasi terkemuka di dunia, yang dikendalikan oleh Pusat Eropah untuk Ramalan Cuaca Julat Sederhana (ECMWF).
Keputusan itu dipertahankan dalam pertandingan langsung, bukan hanya dalam ujian retrospektif. ECMWF melancarkan Pencarian Cuaca AI pada Ogos 2025, pertandingan masa nyata yang direka untuk memajukan ramalan submusim kebarangkalian. Pasukan yang dipanggil MicroEnsemble, terdiri daripada penyelidik Microsoft dan kolaborator luar, telah menerima penghormatan tertinggi dengan penyertaan yang digelar MicroDuet, yang menggunakan PBC pada model dinamik terkemuka industri ECMWF.
"Pencarian Cuaca AI menyediakan platform penanda aras masa nyata yang unik untuk ramalan sub-musim," kata Dr. Joshua Talib, seorang saintis dalam ramalan sub-musim di ECMWF. "Sumbangan daripada Team MicroEnsemble menyoroti bagaimana pembelajaran mesin boleh meningkatkan kemahiran sistem ramalan dinamik tradisional melalui pemprosesan pasca."
Daripada Penanda Aras kepada Juruterbang Dunia Nyata di Afrika Timur
Teknik ini sudah melangkaui penanda aras. Di Kenya, peramal sedang bersedia untuk menguji PBC kerana salah satu daripada dua musim hujan di negara itu sedang berlangsung. Usaha itu melibatkan Pihak Berkuasa Perkhidmatan Meteorologi Kenya (KMSA) dan saintis di Pusat Bahaya Iklim di Universiti California, Santa Barbara, dengan nasihat daripada Genevieve Flaspohler, yang menjalankan Rhiza Research, sebuah organisasi bukan untung yang menumpukan pada peningkatan ramalan cuaca dikuasakan AI.
Flaspohler berhujah bahawa nilai ramalan bergantung pada tiba masanya untuk bertindak ke atasnya. "Ramalan cuaca yang baik, disampaikan pada masa yang tepat, pada saluran komunikasi yang betul, boleh menjadi pembeza besar untuk hasil pertanian," katanya sambil menyatakan bahawa Afrika Timur telah berayun antara tahun paling kering dalam rekod dan tahun paling basah pernah. Di rantau yang kebanyakan ladang kekurangan pengairan dan keputusan penanaman, pembajaan dan pembelian benih, semua ramalan submusim yang lebih mahir bukanlah peningkatan yang abstrak.
"Oleh kerana kita berada di tengah-tengah El Niño paling panas yang pernah direkodkan, terdapat banyak ketakutan di kalangan kerajaan dan dalam komuniti sains iklim tentang bagaimana ia akan nyata," kata Flaspohler. "Terdapat keperluan besar untuk kaedah ramalan mudah yang berfungsi dengan baik."
Hujah Kecekapan dalam Era Model Lebih Besar
Apa yang menjadikan PBC terkenal dalam penyelidikan AI ialah ekonominya. Walaupun kebanyakan lapangan berlumba-lumba untuk melatih model ramalan hujung ke hujung yang lebih besar, PBC ialah sistem yang agak kecil yang meminjam sebahagian besar kemahirannya daripada model operasi yang dibetulkan. Itu menjadikannya lebih murah untuk dijalankan dan lebih mudah untuk agensi meteorologi untuk menerima pakai, kerana mereka boleh mengekalkan infrastruktur sedia ada mereka dan hanya menambah lapisan pembetulan.
Ia juga mencerminkan corak yang lebih luas dalam pembelajaran mesin gunaan: pasca pemprosesan dan penentukuran sering memberikan keuntungan yang memerlukan kerja semula model penuh. Untuk perkhidmatan cuaca yang menimbang di mana untuk membelanjakan belanjawan terhad, kaedah yang terbukti meningkatkan julat ramalan yang paling sukar — disahkan dalam Alam Semula Jadi dan dalam pertandingan ECMWF secara langsung — berkemungkinan menarik perhatian.
Perkara Seterusnya untuk AI Submusim
Catatan blog Microsoft berhenti sebentar untuk mengumumkan produk operasi, dan syarikat itu tidak mengatakan sama ada PBC akan disepadukan ke dalam tawaran ramalan komersial. Ujian jangka terdekat ialah sama ada perkhidmatan cuaca negara mula mengguna pakai lapisan pembetulan berat sebelah seperti PBC untuk pandangan sub-musim mereka, dan sama ada pendekatan itu sesuai dengan model ramalan AI yang kini memasuki penggunaan operasi.
Jika ia berlaku, tetingkap dua hingga enam minggu — bahagian di mana petani, pengendali grid dan perancang bencana secara historis mempunyai paling sedikit untuk bekerja dengan — akhirnya boleh mula ditutup. Untuk bidang yang telah menghabiskan beberapa dekad mengejar keuntungan kecil dalam kemahiran, membiarkan sistem pembelajaran mesin kecil membersihkan ralat sistematik model fizikal gergasi adalah sejenis kemajuan yang pragmatik.
---
Kekal Mendahului AIDapatkan berita, analisis dan penemuan terkini AI — semuanya di satu tempat.
Baca lebih banyak berita AI →
