Naredne dvije do tri godine donijet će radikalne promjene u svijetu meteorološke tehnologije, koje se neće temeljiti na estetski privlačnijim kartama, zanimljivijim i preglednijim aplikacijama i količinama prezentiranih podataka, već na skaliranju sustava koji izrađuju vremenske prognoze. Predviđa tako Oleksiij Schastlyvyij, izvršni direktor AI prognostičke tvrtke MeteoLab, koji ističe da će ključni faktori postati veća količina podataka i njihova viša rezolucija. Međutim, ono što će korisnici prvo vidjeti bit će brže osvježavanje prikaza prognoze, uz sve autonomniju obradu i nove načine prezentacije.

Radar u središtu

Jedan od primjera može biti nedavno predstavljeni Googleov sustav WeatherNext 2, njihov najnapredniji i najučinkovitiji meteorološki model za izradu prognoza, koji se oslanja na novi AI model, sposoban pružiti stotine mogućih scenarija razvoja vremenskih prilika u kratkom vremenu. Međutim, unatoč napretku umjetne inteligencije, radari dalje ostaju najtočniji izvori podataka o oborinama u stvarnom vremenu, o kojima ovise svi ostali modeli strojnog učenja i sustavi upozorenja.

Globalne radarske mreže ulaze u ciklus brzo rastuće nadogradnje, što donosi gušću pokrivenost radarskim postajama i intervale skeniranja koji u nekim regijama testiraju frekvenciju ispod jedne minute. Radar prelazi s povremenih snimaka na gotovo neprekidne tokove podataka, pri čemu usko grlo više nije sam pristup podacima, već brzina kojom se oni mogu obraditi. Smanjenje latencije postaje nova konkurentska prednost koja omogućuje ranije otkrivanje opasnih pojava poput tornada, jer u meteorologiji čak i prednost od 30 sekundi može biti presudna.

AI neće zamijeniti prognostičare

Umjetna inteligencija, dakle, neće zamijeniti prognostičare, već će značajno preoblikovati prognoziranje kroz ubrzanje izvođenja programskog koda za obradu radarskih podataka i poboljšanje prezentirane slike putem strojnog učenja. Nadolazeće generacije prognostičkih modela bit će dizajnirane u suradnji s AI sustavima te trenirane na radarskim skupovima podataka koji nadilaze manualne ljudske kapacitete. Zbog lavine informacija koju donose veća rezolucija i brža osvježavanja, ti sustavi moraju evoluirati u arhitekture koje podržavaju AI, GPU akceleratore i pametnu redukciju nebitnih informacija.

Prognoza budućnosti

U razdoblju od tri do pet godina očekuje se značajan bihevioralni pomak u korištenju meteoroloških podataka kod krajnjih korisnika. Tijekom tog bi razdoblja pametni asistenti trebali preuzeti primat nad klasičnim aplikacijama za prognozu i pregled vremena. Korisnici će, predviđa Schastlyvyij, prestati otvarati aplikacije kako bi provjerili podatke ili aktualnu radarsku sliku te će preći na model u kojem ih AI asistenti proaktivno upozoravaju na formiranje oluje ili daju upute za ponašanje na temelju konteksta.

Asistenti će moći generirati radarske snimke na zahtjev, slati suptilna upozorenja ili prikazivati odbrojavanje do početka kiše – možda čak i putem AR naočala ili hardverskih AI asistenata, koje će ljudi početi nositi sa sobom. Meteorološke aplikacije također neće nestati, ali će se povući u pozadinu – tamo će biti pružatelji podataka za nadolazeće ekosustave asistenata.