การพยากรณ์อากาศกลายมาเป็นที่เชื่อถือได้อย่างน่าทึ่งในขอบเขตอันสั้น แบบจำลองของวันนี้มีความแม่นยำสูงในระยะเวลาประมาณสองสัปดาห์ และการพยากรณ์สภาพอากาศในระยะยาวก็ได้รับการปรับปรุงอย่างต่อเนื่องเช่นกัน อย่างไรก็ตาม ระหว่างช่วงเวลาทั้งสองนั้น ยังมีจุดบอดที่ดื้อรั้นอยู่ การคาดการณ์ในช่วง 2 ถึง 6 สัปดาห์ หรือที่เรียกว่าการคาดการณ์นอกฤดูกาล ยังคงไม่น่าเชื่อถือ แม้ว่าช่วงดังกล่าวจะเป็นช่วงที่สำคัญสำหรับการตัดสินใจว่าจะปลูกพืชเมื่อใด วิธีจัดสรรน้ำและพลังงาน และวิธีเตรียมพร้อมสำหรับไฟป่า

Microsoft Research และเครือข่ายของผู้ทำงานร่วมกันภายนอกกล่าวว่าพวกเขาพบวิธีที่จะจำกัดช่องว่างนั้นให้แคบลง ไม่ใช่ด้วยการสร้างแบบจำลองการคาดการณ์อื่น แต่เป็นการสอนซอฟต์แวร์ให้แก้ไขข้อผิดพลาดที่คาดการณ์ได้ของแบบจำลองที่มีอยู่แล้ว วิธีการที่เรียกว่า Probabilistic Bias Correction (PBC) มีรายละเอียดอยู่ในบทความที่ตีพิมพ์ในวารสารวิทยาศาสตร์ Nature และอธิบายไว้ในบล็อกโพสต์ของ Microsoft ที่ตีพิมพ์ในสัปดาห์นี้ นี่เป็นหนึ่งในผลงานที่เน้นการปฏิบัติอย่างเงียบๆ ในกลุ่มการวิจัย AI แบบประยุกต์ซึ่งครอบคลุมอยู่ใน การพัฒนา AI ล่าสุด เนื่องจากเป็นการอัปเกรดระบบที่นักอุตุนิยมวิทยาพึ่งพาอยู่แล้ว แทนที่จะขอให้พวกเขาเปลี่ยนไปใช้สิ่งใหม่

เหตุใดกรอบเวลาสองถึงหกสัปดาห์จึงท้าทายการคาดการณ์

แบบจำลองทางฟิสิกส์จำลองบรรยากาศและมหาสมุทรโดยใช้สมการทางวิทยาศาสตร์ ในขณะที่แบบจำลอง AI รุ่นใหม่ฝึกฝนการจัดเก็บข้อมูลสภาพอากาศที่สังเกตได้จำนวนมหาศาล จากข้อมูลของ Microsoft ทั้งสองตระกูลทำงานได้ดีประมาณสิบวัน นอกเหนือจากจุดนั้น ข้อผิดพลาดเบื้องต้นเล็กๆ น้อยๆ ประกอบขึ้นและปฏิสัมพันธ์ที่ซับซ้อนระหว่างชั้นบรรยากาศ มหาสมุทร และพื้นผิวดินมีมากเกินไปในทั้งสองแนวทาง ซึ่งเป็นสาเหตุที่ทำให้การคาดการณ์ในช่วง 2 ถึง 6 สัปดาห์ล่าช้ากว่าการคาดการณ์ส่วนที่เหลือเป็นเวลานาน

แทนที่จะเข้าสู่สนามแข่งขันที่มีผู้คนหนาแน่น ทีมงานที่นำโดย Microsoft มุ่งเน้นไปที่เป้าหมายที่แตกต่าง: ข้อผิดพลาดที่เป็นระบบและทำซ้ำได้ซึ่งโมเดลสร้างขึ้นในช่วงนี้ "ไปป์ไลน์ใหม่ของเรา (PBC) ใช้โมเดลที่คุณชื่นชอบเป็นอินพุตและเรียนรู้ว่าโมเดลมีแนวโน้มที่จะทำให้เกิดข้อผิดพลาดในลักษณะใด จากนั้นจะแก้ไขข้อผิดพลาดเหล่านั้น ทำให้คาดการณ์ผลผลิตได้ดีขึ้นสำหรับช่วงนอกฤดูกาล" บริษัทอธิบายในบล็อกโพสต์

เลเยอร์น้ำหนักเบาที่อยู่ด้านบนของโมเดลที่มีอยู่

ในทางเทคนิคแล้ว PBC เป็นระบบการเรียนรู้ของเครื่องน้ำหนักเบาที่ศึกษาการพยากรณ์ในอดีตที่เก็บถาวรของโมเดลใดๆ เพื่อเรียนรู้ว่าโมเดลนั้นมีอคติอย่างเป็นระบบที่ไหนและอย่างไร เมื่อเรียนรู้รูปแบบเหล่านั้นแล้ว ระบบจะปรับผลลัพธ์ความน่าจะเป็นของแบบจำลองเพื่อชดเชย ในการประเมินที่อธิบายไว้ในรายงานของ Nature Microsoft รายงานว่า PBC ได้ปรับปรุงประสิทธิภาพของโมเดลย่อยตามฤดูกาลชั้นนำของโลกที่ดำเนินการโดยศูนย์พยากรณ์อากาศช่วงกลางแห่งยุโรป (ECMWF)

ผลการแข่งขันจัดขึ้นในการแข่งขันสด ไม่ใช่แค่การทดสอบย้อนหลังเท่านั้น ECMWF เปิดตัว AI Weather Quest ในเดือนสิงหาคม 2025 ซึ่งเป็นการแข่งขันแบบเรียลไทม์ที่ออกแบบมาเพื่อพัฒนาการคาดการณ์ความน่าจะเป็นในช่วงย่อยตามฤดูกาล ทีมชื่อ MicroEnsemble ซึ่งประกอบด้วยนักวิจัยของ Microsoft และผู้ทำงานร่วมกันภายนอก ได้รับรางวัลสูงสุดจากผลงานที่มีชื่อว่า MicroDuet ซึ่งใช้ PBC กับโมเดลไดนามิกชั้นนำของอุตสาหกรรมของ ECMWF

“AI Weather Quest มอบแพลตฟอร์มการเปรียบเทียบแบบเรียลไทม์ที่ไม่เหมือนใครสำหรับการพยากรณ์นอกฤดูกาล” ดร. Joshua Talib นักวิทยาศาสตร์ด้านการพยากรณ์นอกฤดูกาลที่ ECMWF กล่าว "การมีส่วนร่วมจาก Team MicroEnsemble เน้นย้ำว่าการเรียนรู้ของเครื่องสามารถยกระดับทักษะของระบบพยากรณ์แบบไดนามิกแบบดั้งเดิมผ่านการประมวลผลภายหลังได้อย่างไร"

จากเกณฑ์มาตรฐานไปจนถึงนักบินในโลกแห่งความเป็นจริงในแอฟริกาตะวันออก

เทคนิคนี้ก้าวไปไกลกว่าเกณฑ์มาตรฐานแล้ว ในเคนยา นักพยากรณ์กำลังเตรียมทดสอบ PBC เนื่องจากหนึ่งในสองฤดูฝนของประเทศกำลังเริ่มต้นขึ้น ความพยายามดังกล่าวเกี่ยวข้องกับหน่วยงานบริการอุตุนิยมวิทยาของเคนยา (KMSA) และนักวิทยาศาสตร์ที่ศูนย์อันตรายต่อสภาพอากาศที่มหาวิทยาลัยแคลิฟอร์เนีย ซานตาบาร์บารา โดยได้รับคำแนะนำจาก Genevieve Flaspohler ผู้ดูแล Rhiza Research ซึ่งเป็นองค์กรไม่แสวงผลกำไรที่มุ่งเน้นการปรับปรุงการพยากรณ์อากาศที่ขับเคลื่อนด้วย AI

Flaspohler ให้เหตุผลว่ามูลค่าของการพยากรณ์ขึ้นอยู่กับการมาถึงให้ตรงเวลาเพื่อดำเนินการตามนั้น “การพยากรณ์อากาศที่ดี ส่งมอบในเวลาที่เหมาะสม บนช่องทางการสื่อสารที่ถูกต้อง สามารถสร้างความแตกต่างอย่างมากสำหรับผลลัพธ์ทางการเกษตร” เธอกล่าว โดยสังเกตว่าแอฟริกาตะวันออกมีการเปลี่ยนแปลงระหว่างปีที่แห้งแล้งที่สุดเป็นประวัติการณ์และปีที่ฝนตกชุกที่สุดเท่าที่เคยมีมา ในภูมิภาคที่ฟาร์มส่วนใหญ่ขาดการชลประทานและการเพาะปลูก การใส่ปุ๋ย และการตัดสินใจซื้อเมล็ดพันธุ์ ล้วนขึ้นอยู่กับแนวโน้ม การคาดการณ์ช่วงย่อยฤดูกาลที่มีทักษะมากขึ้นไม่ใช่การปรับปรุงที่เป็นนามธรรม

“เนื่องจากเราอยู่ท่ามกลางปรากฏการณ์เอลนีโญที่อบอุ่นที่สุดเท่าที่เคยมีมา จึงมีความกลัวอย่างมากในหมู่รัฐบาลและในชุมชนวิทยาศาสตร์ภูมิอากาศว่าปรากฏการณ์ดังกล่าวจะเกิดขึ้นได้อย่างไร” ฟลาสโปห์เลอร์กล่าว "มีความจำเป็นอย่างมากสำหรับวิธีการพยากรณ์แบบง่ายๆ ที่ทำงานได้อย่างมีประสิทธิภาพ"

ข้อโต้แย้งด้านประสิทธิภาพในยุคของโมเดลที่ใหญ่กว่า

สิ่งที่ทำให้ PBC โดดเด่นในการวิจัย AI คือความประหยัด แม้ว่าภาคสนามส่วนใหญ่จะแข่งขันกันเพื่อฝึกอบรมโมเดลการคาดการณ์แบบ end-to-end ที่ใหญ่กว่าเดิม แต่ PBC เป็นระบบที่ค่อนข้างเล็กซึ่งยืมทักษะส่วนใหญ่มาจากโมเดลการปฏิบัติงานที่แก้ไข ซึ่งทำให้ดำเนินการได้ถูกกว่าและง่ายขึ้นสำหรับหน่วยงานอุตุนิยมวิทยาในการนำไปใช้ เนื่องจากพวกเขาสามารถรักษาโครงสร้างพื้นฐานที่มีอยู่และเพิ่มเลเยอร์การแก้ไขลงไปได้

นอกจากนี้ยังสะท้อนถึงรูปแบบที่กว้างขึ้นในการเรียนรู้ของเครื่องที่ประยุกต์ใช้ กล่าวคือ การประมวลผลหลังการประมวลผลและการสอบเทียบมักจะให้ประโยชน์ที่อาจต้องมีการปรับปรุงโมเดลทั้งหมด สำหรับบริการสภาพอากาศที่ชั่งน้ำหนักว่าจะใช้งบประมาณที่จำกัด วิธีการที่พิสูจน์ให้เห็นถึงช่วงการพยากรณ์ที่ยากที่สุด ซึ่งได้รับการตรวจสอบทั้งในธรรมชาติและในการแข่งขัน ECMWF แบบสด มีแนวโน้มที่จะดึงดูดความสนใจ

อะไรจะเกิดขึ้นต่อไปสำหรับ AI นอกฤดูกาล

โพสต์ในบล็อกของ Microsoft ไม่ได้มีเพียงแค่การประกาศผลิตภัณฑ์ที่ใช้งานได้จริง และบริษัทไม่ได้ระบุว่า PBC จะถูกรวมเข้ากับข้อเสนอการคาดการณ์เชิงพาณิชย์หรือไม่ การทดสอบในระยะสั้นคือ หน่วยงานสภาพอากาศระดับชาติเริ่มใช้เลเยอร์การแก้ไขอคติ เช่น PBC สำหรับแนวโน้มนอกฤดูกาลหรือไม่ และแนวทางดังกล่าวประกอบกับแบบจำลองการคาดการณ์ AI ที่กำลังเข้าสู่การใช้งานจริงหรือไม่

หากเป็นเช่นนั้น กรอบเวลาสองถึงหกสัปดาห์ ซึ่งเป็นช่วงที่เกษตรกร ผู้ดำเนินการโครงข่ายไฟฟ้า และผู้วางแผนภัยพิบัติมีเวลาน้อยที่สุดในอดีต อาจเริ่มปิดตัวลงในที่สุด สำหรับสาขาที่ใช้เวลาหลายทศวรรษในการไล่ล่าทักษะที่เพิ่มขึ้น การปล่อยให้ระบบการเรียนรู้ของเครื่องขนาดเล็กล้างข้อผิดพลาดอย่างเป็นระบบของแบบจำลองทางกายภาพขนาดยักษ์ถือเป็นความก้าวหน้าเชิงปฏิบัติ

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →