Paano Binabago ng Artipisyal na Intelihensiya ang Pagtataya ng Bagyo sa Hong Kong

Pagyakap ng Hong Kong sa Pagtataya ng Bagyo Gamit ang AI

Matagal nang lantad ang Hong Kong sa mapaminsalang puwersa ng mga bagyo at matitinding lagay ng panahon. Ngayon, ginagamit nito ang artipisyal na intelihensiya (AI) upang lubos na pahusayin ang kakayahan nitong magtaya ng lagay ng panahon. Inanunsyo ng Hong Kong Observatory (HKO) ang malalaking pamumuhunan sa teknolohiya ng AI upang mapahusay ang katumpakan at pagiging maagap ng mga babala tungkol sa mga bagyong tropikal, malalakas na ulan, at iba pang mapanganib na pangyayari sa panahon. Kasunod ito ng kapansin-pansing tagumpay ng mga modelo ng AI sa mga kamakailang rekord na pag-ulan at mga bagyo, bagaman hamon pa rin ang pagtukoy sa tindi ng mga ito at sa eksaktong mga lugar na maaapektuhan.

Habang pinalalakas ng pagbabago ng klima ang mga bagyo at lalong nagiging di-mahuhulaan ang mga padron ng panahon, hindi kailanman naging ganito kahalaga ang tumpak na pagtataya. Bahagi ang mga pagsisikap ng Hong Kong ng mas malawak na pagbabago sa rehiyon at sa buong mundo tungo sa meteorolohiyang pinapatakbo ng AI. Gumagamit din ng machine learning ang kalapit na Taiwan at mga nangungunang institusyong pananaliksik sa buong mundo upang mapahusay ang kahandaan sa sakuna.

Bakit Napakahalaga sa Hong Kong ang Tumpak na Pagtataya ng Bagyo?

Dahil nasa subtropiko ang Hong Kong, tuwirang dinaraanan ito ng mga bagyo sa Pasipiko na maaaring magdala ng mapaminsalang hangin, napakalakas na ulan, pagbaha, at pagguho ng lupa. Dahil siksik ang populasyon at masalimuot ang imprastraktura ng lungsod, kahit bahagyang pagbuti sa katumpakan ng mga pagtataya ay makapagliligtas ng buhay, makababawas sa pagkalugi sa ekonomiya, at makatutulong sa mga awtoridad na mas maayos na iugnay ang mga pagtugon sa emerhensiya.

Sunod-sunod ang mga naganap na matitinding lagay ng panahon nitong mga nakaraang taon. Noong Agosto, naitala sa Hong Kong ang pinakamataas na dami ng ulan sa isang araw mula nang magsimula ang pagtatala noong 1884, kaya naglabas ang lungsod ng ikalawa sa pinakamatagal na babala nito para sa black rainstorm. Nagdulot ang mga sumunod na pangyayari ng matinding pagbaha, pagguho ng lupa, at malawakang pagkaantala. Sa mga karatig-rehiyon, ipinakita ng nakamamatay na mga baha sa lalawigan ng Gansu at malawakang paglikas sa Guangdong ang agarang pangangailangan para sa mas mahusay na mga sistema ng maagang babala.

Mabisa ang mga tradisyonal na pamamaraan ng pagtataya, ngunit may mga limitasyon ang mga ito, lalo na sa paghula sa eksaktong dinaanan at mabilis na paglakas ng mga bagyong tropikal. Dito nangangakong makapagdudulot ng pagbabago ang AI.

Paano Pinahuhusay ng AI ang Pagtataya ng Lagay ng Panahon?

Nakabatay ang pagtataya ng lagay ng panahon gamit ang AI sa mga algorithm ng machine learning na sinanay sa napakaraming datos ng panahong nagdaan. Di-gaya ng mga tradisyonal na modelo ng numerical weather prediction (NWP), na ginagaya ang pisika ng atmospera gamit ang masalimuot na mga ekwasyon at supercomputer, natututuhan ng mga modelo ng AI ang mga padron at ugnayan mula sa ilang dekadang pandaigdigang obserbasyon sa panahon. Kapag nasanay na, mas mabilis makagagawa ng mga pagtataya ang mga modelong ito at mas kaunting lakas-pagkuwenta ang kakailanganin.

Halimbawa, sinanay ang kasalukuyang henerasyon ng mga modelo ng AI na ginagamit ng HKO gamit ang humigit-kumulang 40 taon ng pandaigdigang reanalysis data, na katumbas ng mga 25 trilyong datos. Nasusuri at nahuhulaan ng mga modelong ito ang pagbabago ng mga sistema ng panahon, kabilang ang mga bagyo, sa pamamagitan ng pagkilala sa mga banayad na palatandaang maaaring hindi mapansin ng mga tradisyonal na modelo.

Ayon kay Lo Ka-wai, isang opisyal pang-agham sa Observatory, "Sa pagkatuto mula sa napakalawak na dataset na ito, natutukoy ng mga modelo ng AI ang mga padron at ugnayan sa pagbabago ng lagay ng panahon, na magagamit naman upang mahulaan ang mga susunod na pagbabago sa panahon."

Napatunayan na ng mga modelo ng AI ang halaga ng mga ito sa aktuwal na operasyon. Halimbawa, habang papalapit ang Bagyong Wutip, nagbigay ang mga pagtataya gamit ang AI ng mas tumpak na hula sa dinaanan ng bagyo kaysa sa mga tradisyonal na modelo. Nakatulong ito sa Observatory na maglabas ng mga babala sa tamang oras at umiwas sa mga hindi kailangang pagkaantala.

Mga Modelo ng AI sa Aktuwal na Paggamit: Ang Kaso ng Bagyong Wutip

Noong Hunyo, habang nagbabanta ang Bagyong Wutip sa Hong Kong, kapwa tradisyonal at nakabatay sa AI na mga modelo ang ginamit ng Observatory upang hulaan ang dinaanan nito. Ayon sa isang modelong Europeo, papalapit si Wutip sa katimugang baybayin ng China, samantalang ipinahiwatig naman ng isang modelong Amerikano na mas malapit ito sa Hong Kong. Tinataya ng dalawang modelo ng AI na mas tutungo ito sa kanluran, na mas malapit sa aktuwal na nangyari. Dahil dito, hindi direktang tinamaan ang Hong Kong, at ibinatay ng Observatory ang mga babala nito sa mas tumpak na mga pagtataya ng AI.

Hindi nag-iisa ang tagumpay na ito. Paulit-ulit na napantayan o nahigitan ng mga modelo ng AI ang katumpakan ng mga tradisyonal na modelo sa paghula sa dinaanan ng mga bagyo, lalo na sa mga unos sa Kanlurang Pasipiko. Pinalawak na ng Observatory ang paggamit nito ng AI at isinama ang mga modelong gaya ng Fuxi (binuo ng Fudan University), Pangu-Weather (ng Huawei), at Artificial Intelligence Forecasting System (AIFS) mula sa European Centre for Medium-Range Weather Forecasts (ECMWF).

Ano ang mga Lakas at Limitasyon ng Pagtataya Gamit ang AI?

May ilang bentaha ang mga modelo ng AI kumpara sa mga tradisyonal na pamamaraan:

• Bilis: Nakagagawa ang AI ng mga pagtataya sa loob ng ilang minuto, kumpara sa ilang oras para sa mga modelong nakabatay sa pisika.
• Matipid sa Enerhiya: Mas kaunting lakas-pagkuwenta ang ginagamit ng mga modelo ng AI, kaya mas napapanatili ang mga ito.
• Katumpakan ng Dinaanan: Madalas na mas mahusay kaysa sa mga tradisyonal na modelo ang AI sa paghula sa dinaanan ng mga bagyong tropikal.
• Maagang Babala: Nakakakita ang AI ng mga padron at nakapaglalabas ng mga babala nang mas maaga, kaya mas maraming oras na makapaghanda ang mga awtoridad at publiko.

Gayunman, may mga hamon pa rin. Karaniwang minamaliit ng mga modelo ng AI ang tindi ng mga bagyong tropikal, lalo na kapag mabilis na lumalakas ang mga ito, isang pangyayaring biglang tumataas nang malaki ang bilis ng hangin ng bagyo sa maikling panahon. Mahalagang limitasyon ito dahil halos 80% ng malalalakas na bagyo at bagyong tropikal ay mabilis na lumalakas, at dumarami ang ganitong mga pangyayari dahil sa pagbabago ng klima.

Isa pang hamon ang limitadong kakayahan ng mga modelo ng AI na hulaan ang mga matitinding pangyayaring bihira o hindi pa nagaganap. Maaaring hindi sapat ang mga katulad na pangyayari sa makasaysayang datos na ginagamit sa pagsasanay ng mga modelo. Halimbawa, noong rekord na malakas na ulan noong Setyembre 2023, nakapagbigay ng kapaki-pakinabang na gabay ang mga modelo ng AI ngunit nahirapan ang mga ito na matukoy ang buong tindi ng ulan at ang eksaktong lugar na tatamaan nito.

Ayon sa Hong Kong Observatory, "Hindi pa napatutunayan ang kakayahan ng mga modelo ng AI na maghula ng matitinding pangyayari sa panahon dahil bihira ang mga ito sa kasaysayan. Lalo nang wala sa datos ng pagsasanay ng mga modelo ng AI ang mga pangyayaring nagtatakda ng bagong rekord sa lagay ng panahon."

Paghahambing ng mga Modelo ng AI: Pandaigdigan at Panrehiyong Pananaw

Inihambing sa mga kamakailang siyentipikong pag-aaral ang husay ng mga nangungunang modelo ng AI sa pagtataya ng panahon sa Silangang Asya at Kanlurang Pasipiko. Sinuri ang limang pangunahing modelo, ang Pangu-Weather, FourCastNet v2, GraphCast, FuXi, at FengWu, batay sa kakayahan ng mga ito na hulaan ang dinaanan at tindi ng mga bagyo. Pinakatumpak ang FengWu sa paghula ng dinaanan, at mahusay din ang naging resulta ng FuXi at GraphCast. Gayunman, nahirapan ang lahat ng modelo sa pagtataya ng tindi, na nagpapakita ng pangangailangan para sa higit pang pananaliksik at mga panrehiyong modelong may mas mataas na resolusyon.

Nangako ring makapagpapahusay ng pagiging maaasahan ng mga pagtataya ang mga ensemble approach, na pinagsasama ang resulta ng maraming modelo. Ipinahihiwatig ng mabilis na pag-unlad ng meteorolohiyang pinapatakbo ng AI na mahalaga ang patuloy na pagtutulungan ng mga mananaliksik ng AI at mga ahensiya ng meteorolohiya upang malampasan ang mga kasalukuyang limitasyon.

Paano Isinasama ng Hong Kong ang AI sa mga Operasyon ng Pagtataya?

Nangunguna ang Hong Kong Observatory sa paggamit ng AI sa meteorolohiya. Mula noong kalagitnaan ng 2023, isinama ng HKO ang ilang modelo ng AI sa mga pagsubok na operasyon sa aktuwal na oras, at inilathala sa publiko ang mga pagtataya ng mga ito sa webpage ng Earth Weather at sa MyObservatory app. Hindi lang pagsubaybay sa mga bagyo ang gamit ng Observatory sa AI. Ginagamit din ito sa paghula ng ulan, hangin, temperatura, at halumigmig hanggang 15 araw bago mangyari ang mga ito.

Ipinaliwanag ni He Yuheng, pansamantalang nakatataas na opisyal pang-agham sa HKO, na matagumpay na nahulaan ng mga modelo ng AI ang pagbuo ng isang rainband na nagdala ng malakas na ulan sa baybayin ng Guangdong isang linggo bago ang buhos ng ulan noong Agosto. Bagaman hindi eksaktong natukoy ng mga modelo ang mga lugar na makararanas ng pinakamalakas na ulan, nagbigay ang mga ito ng mahalagang batayan sa paglalabas ng mga napapanahong babala at paghahanda ng mga pagtugon sa emerhensiya.

Nakikipagtulungan din ang Observatory sa mga internasyonal na katuwang at pribadong kumpanya upang manatili sa unahan ng pagtataya gamit ang AI. Halimbawa, sinusubukan ang Weather Lab ng Google DeepMind at ang AIFS ng ECMWF kasama ng mga lokal na modelo, upang mabigyan ang mga tagapagtaya ng mga bagong kasangkapang masusuri at maihahambing nila.

Pagyakap sa Teknolohiya sa Rehiyon: Mga Aral mula sa Taiwan at Iba Pa

Hindi nag-iisa ang Hong Kong sa paggamit nito ng AI. Gumagamit din ang Central Weather Administration ng Taiwan ng mga modelo ng AI upang subaybayan ang mga bagyo, at kahanga-hanga ang naging resulta. Noong Bagyong Gaemi, walong araw bago ito dumating ay hinulaan na ng mga pagtatayang batay sa AI na direktang tatama ang bagyo. Mas mahusay ito kaysa sa mga tradisyonal na modelo at nagbigay sa mga awtoridad ng mas maraming oras upang maghanda. Ayon kay Lu Kuo-Chen, pangalawang pinuno ng CWA, "Nagpalakas ng kumpiyansa ng mga tagapagtaya ang AI at nagbigay sa mga awtoridad ng mas maraming oras upang maghanda."

Pinabibilis ng pakikilahok ng pribadong sektor ang pag-unlad. Bumubuo ang mga kumpanyang gaya ng Nvidia, Google, at Microsoft ng mga makabagong modelo ng AI para sa pagtataya ng panahon at nakikipagtulungan sa mga ahensiya ng meteorolohiya sa buong mundo. Itinutulak ng mga pakikipagtulungang ito ang inobasyon at tumutulong na harapin ang mga hamon sa pagtataya ng tindi ng bagyo at paghula sa mga lokal na epekto nito.

Mga Hamon at ang Susunod na Hakbang

Sa kabila ng mga posibilidad ng AI, may ilang hadlang pang kailangang malampasan bago nito lubusang mapalitan o mahigitan ang mga tradisyonal na pamamaraan ng pagtataya:

• Kalidad at Pagiging Available ng Datos: Umaasa ang mga modelo ng AI sa komprehensibo at de-kalidad na mga dataset. Maaaring makabawas sa husay ng mga modelo ang kakulangan sa makasaysayang datos o ang mga kamalian dito.
• Pagtataya sa Tindi: Malaking hamon pa rin para sa AI at sa mga tradisyonal na modelo ang paghula sa mabilis na paglakas ng bagyo at sa pinakamataas na bilis ng hangin nito.
• Mga Lokal na Epekto: Kailangan ang mga panrehiyong modelong may mataas na resolusyon upang mahulaan ang mga lokal na epekto gaya ng biglaang pagbaha at pagguho ng lupa.
• Pangangasiwa ng Tao: Mahalaga pa rin ang mga dalubhasang meteorologo sa pagbibigay-kahulugan sa mga resulta ng AI, lalo na sa mga sitwasyong mataas ang panganib.

Habang umuunlad ang larangan, nakatuon ang Hong Kong Observatory at mga katuwang nito sa patuloy na pananaliksik, pagpapaunlad ng mga modelo, at edukasyon ng publiko. Layunin nitong hindi lamang pahusayin ang katumpakan ng mga pagtataya kundi palakasin din ang tiwala ng publiko at tiyaking nauunawaan at sinusunod ang mga babala.

Mas Malawak na Epekto: AI at Katatagan sa Harap ng Pagbabago ng Klima

Hindi lamang teknolohikal na pag-upgrade ang pagsasama ng AI sa pagtataya ng panahon. Isa itong mahalagang hakbang sa pagpapalakas ng katatagan sa harap ng pagbabago ng klima sa panahong dumarami ang matitinding pangyayari. Habang nagiging mas malakas at mas di-mahuhulaan ang mga bagyo, maaaring maging pagkakaiba ng kaligtasan at sakuna para sa milyun-milyong tao ang maaga at tumpak na mga babala.

Maraming mahahalagang aral ang maibibigay ng karanasan ng Hong Kong sa iba pang lungsod at rehiyong nahaharap sa katulad na mga banta. Ipinakikita ng mabilis na paggamit ng AI, kasama ng pandaigdigang pagtutulungan at pakikilahok ng publiko, ang maagap na paraan ng pamamahala sa mga panganib na dulot ng pagbabago ng klima. Habang patuloy na umuunlad ang mga modelo ng AI, magiging higit na mahalaga ang papel ng mga ito sa pagprotekta sa mga komunidad at pagsuporta sa napapanatiling pag-unlad.

Buod

• Namumuhunan ang Hong Kong sa AI upang pahusayin ang pagtataya ng mga bagyo at matitinding lagay ng panahon, kasunod ng matagumpay na mga pagsubok noong mga kamakailang bagyo.
• Nahigitan ng mga modelo ng AI ang mga tradisyonal na pamamaraan sa paghula sa dinaanan ng mga bagyo, ngunit hamon pa rin ang pagtataya sa tindi at mga lokal na epekto ng mga ito.
• Isinasama ng Hong Kong Observatory ang maraming modelo ng AI sa mga operasyon nito at nakikipagtulungan sa mga internasyonal na katuwang.
• Gumagamit din ng AI ang mga karatig-bansa sa rehiyon gaya ng Taiwan, habang pinabibilis naman ng mga pribadong kumpanya ang inobasyon sa larangang ito.
• Mahalaga pa rin ang patuloy na pananaliksik at kadalubhasaan ng tao upang matugunan ang mga limitasyon ng AI at matiyak na epektibo ang mga sistema ng maagang babala.
• Mahalagang hakbang tungo sa higit na katatagan sa harap ng pagbabago ng klima sa Hong Kong at sa mas malawak na rehiyon ang paggamit ng AI sa meteorolohiya.