AI giỏi nhận diện quy luật, nhưng tương lai không luôn lặp lại quá khứ
AI dự báo thời tiết là công nghệ dùng thuật toán học từ dữ liệu khí tượng để nhận diện quy luật và tạo ra dự báo về diễn biến thời tiết trong tương lai. Bảy tháng qua, Giancarlo Pini, chuyên gia quan sát Trái Đất của Chương trình Lương thực Thế giới, liên tục theo dõi một vùng biển ở Thái Bình Dương. Sự chú ý ấy có lý do: siêu El Niño đang thử thách một giả định cốt lõi của AI, rằng những gì đã xảy ra có thể giúp dự đoán điều sắp tới. Các mô hình được huấn luyện bằng dữ liệu thời tiết quá khứ có thể xử lý nhanh và tiết kiệm tài nguyên tính toán, nhưng lợi thế đó suy giảm khi khí hậu tạo ra tổ hợp điều kiện chưa từng có. AI vẫn có giá trị, song không thể được xem như lời giải độc lập cho một hiện tượng cực đoan. Dự báo phải kết hợp năng lực tính toán với hiểu biết vật lý và đánh giá của chuyên gia.
El Niño hình thành khi gió tín phong suy yếu, khiến nước biển ấm lan về phía đông Thái Bình Dương nhiệt đới và làm xáo trộn thời tiết toàn cầu. Theo Pini, đợt El Niño hiện nay đã đạt cường độ mạnh nhất trong lịch sử quan trắc dù chưa đến lúc dự kiến đạt đỉnh. Tổ chức Khí tượng Thế giới dự báo hiện tượng này đạt đỉnh vào tháng 12 và kéo dài ít nhất đến tháng 2/2027. Nếu dự báo về vùng biển Nino 3.4 thành hiện thực, nhiệt độ bề mặt nước biển tại đây trong tháng 12 có thể cao hơn mức trung bình dài hạn 3,7°C, mức cao nhất kể từ khi quan trắc bắt đầu vào thập niên 1950.
Khoảng trống dữ liệu khiến mô hình dễ hụt hơi
Siêu El Niño không chỉ là một phiên bản mạnh hơn của hiện tượng quen thuộc. Khi nó tương tác với biến đổi khí hậu và các dao động khí hậu khác, những mô hình thời tiết có thể lệch khỏi mẫu mà AI từng học. Một số nhà khoa học cảnh báo mô hình được huấn luyện bằng dữ liệu từ thời kỳ Trái Đất mát hơn có thể không mô phỏng chính xác sự tương tác đó. Ko Barrett, Phó tổng thư ký Tổ chức Khí tượng Thế giới, lưu ý: “AI được huấn luyện bằng dữ liệu quá khứ, trong khi tương lai có thể không giống quá khứ”. Đây là giới hạn thực chất, không phải lỗi có thể khắc phục chỉ bằng cách tăng tốc xử lý. Dữ liệu lịch sử càng ít tương đồng với điều kiện mới, mô hình dự báo càng có nguy cơ đưa ra kết quả thiếu tin cậy.
Trong điều kiện thông thường, các mô hình AI ngày càng được dùng để cải thiện dự báo trung hạn, còn siêu máy tính đã giúp dự báo trước nhiều ngày, nhiều tuần, thậm chí nhiều tháng. Nhưng hiệu quả tương đương phương pháp truyền thống không đồng nghĩa AI đã sẵn sàng cho những cực đoan chưa từng xuất hiện. Nguồn tin cũng cho biết AI chưa hiệu quả bằng mô hình dựa trên vật lý trong trường hợp thời tiết cực đoan này. Vì vậy, đặt cược toàn bộ vào một mô hình học từ dữ liệu cũ là lựa chọn rủi ro. Cách hợp lý hơn là đối chiếu kết quả AI với mô hình vật lý, quan trắc mới và phân tích của con người, đặc biệt khi các dự báo có hệ quả trực tiếp với mùa vụ, nguồn điện và giao thông.
Giá trị của AI nằm ở cảnh báo đến được với người dân
Dù có giới hạn, AI vẫn đem lại lợi ích rõ nhất khi giúp biến dữ liệu thành hành động sớm. Chương trình Lương thực Thế giới kết hợp AI với phương pháp dự báo truyền thống để xác định nơi có nguy cơ thiếu lương thực, rồi chuyển phân tích đến các văn phòng và chính phủ để hỗ trợ cảnh báo nông dân. Tại Njoro, Kenya, nông dân Veronica Mukami chuyển từ trồng đậu sang ngô sau khi nhận cảnh báo mưa lớn, bởi ngô chịu mưa tốt hơn đậu. Trường hợp này cho thấy cảnh báo thiên tai không chỉ có giá trị ở độ chính xác trên màn hình; nó phải đủ kịp thời, dễ hiểu và gắn với quyết định cụ thể. AI cũng hỗ trợ phát hiện khói để lực lượng cộng đồng kết hợp tín hiệu camera với dự báo thời tiết và độ ẩm, đánh giá nguy cơ cháy rừng.
Tại Việt Nam, mạng lưới hơn 2.850 trạm khí tượng thủy văn quốc gia trải rộng trên đất liền, hải đảo và vùng biển tạo nền tảng quan trọng cho dự báo. IoT giúp thiết bị đo tự động thu thập và truyền dữ liệu theo thời gian thực; trạm đo mưa và mực nước tự động có thể cung cấp số liệu sát thực tế hơn. Khi AI phân tích lượng lớn dữ liệu từ các trạm, vệ tinh và ra đa, cơ quan chuyên môn có thêm khả năng nhận diện xu thế, phát hiện dấu hiệu bất thường và đưa ra cảnh báo nhanh hơn. Công nghệ không xóa bỏ bất định của thời tiết, nhưng một mạng lưới quan trắc tốt có thể giúp cảnh báo đến sớm hơn và hỗ trợ người dân chủ động phòng tránh thiên tai.
Đổi mới quan trắc, không chỉ đổi thuật toán
Trước thời tiết cực đoan gia tăng, các nhà khoa học tìm đến AI để cải thiện dự báo và cảnh báo sớm. Tuy nhiên, câu trả lời không thể chỉ là thay mô hình cũ bằng thuật toán mới. Cơ quan khí tượng thủy văn cần nâng chất lượng dữ liệu đầu vào, mở rộng quan trắc ở nơi còn thưa trạm và phối hợp AI với mô hình số, ảnh vệ tinh, ra đa cùng chuyên môn khí tượng. Ngành khí tượng thủy văn Việt Nam định hướng hoàn thiện mạng lưới theo hướng tự động hóa, đồng bộ, hiện đại và tích hợp đa mục tiêu. Ưu tiên được đặt vào biển, ven biển, đảo, khu vực biên giới, lưu vực sông xuyên biên giới và những nơi thường xuyên chịu thiên tai hoặc tác động của biến đổi khí hậu. Đây là đổi mới thiết yếu để hệ thống không bị bất ngờ trước các điều kiện bất thường.
Một mô hình dự báo nhanh nhưng thiếu dữ liệu tại chỗ vẫn có thể bỏ lỡ rủi ro; ngược lại, dữ liệu dày hơn cũng không tự động bảo đảm dự báo chính xác nếu thuật toán không tuân theo các quy luật vật lý. Do đó, mục tiêu nên là một hệ thống nhiều lớp: quan trắc liên tục bằng IoT, phân tích nhanh bằng AI, kiểm chứng bằng mô hình vật lý và chuyển kết quả thành khuyến nghị dễ sử dụng. Siêu El Niño phơi bày khoảng cách giữa năng lực tính toán và sự phức tạp của khí hậu đang thay đổi. AI có thể nâng cao năng lực dự báo, nhưng không thể cam kết rằng tương lai sẽ tuân theo dữ liệu quá khứ. Kết luận cần rõ ràng: công nghệ chỉ đáng tin khi được đặt trong một hệ thống quan trắc và ra quyết định đủ linh hoạt.
