Google, yapay zeka (makine öğrenmesi) tabanlı hava durumu tahmin modelleri alanında önde gelen isimlerden biri. Bu modeller, geleneksel yöntemlere kıyasla daha az hesaplama gücüyle benzer veya daha iyi tahmin performansı sunabiliyor. Bu da modellerin daha sık çalıştırılmasına olanak tanıyor.
Google, geçtiğimiz günlerde WeatherNext modelinin 3. sürümünü duyurdu. Bu güncellemenin en önemli yeniliği, uydu hava durumu verilerini de entegre ederek mevcut hava koşulları ile yeni tahminin oluşturulması arasındaki gecikme süresini kısaltması oldu. Güncelleme detayları bir teknik belgede paylaşıldı.
Yeniden Analiz (Reanalysis) Kavramı
Birçok hava durumu modeli, kendi başına bir modelleme tekniği olan "yeniden analiz" yöntemini kullanır. Yeniden analizler, çeşitli hava durumu verilerini bir araya getirerek atmosferin tutarlı ve küresel bir anlık görüntüsünü oluşturur. Bu süreçte, gerçek dünya ölçümlerinin olmadığı yerler için de tahminler yapılır, çünkü hava durumu tahmin modellerinin küresel bir resme ihtiyacı vardır.
Neredeyse tüm yapay zeka tabanlı hava durumu modelleri, yalnızca yeniden analiz verilerine dayanıyordu. Makine öğrenmesi algoritmaları, küresel yeniden analiz verileriyle eğitiliyor ve aynı formatta bir hava durumu haritası üretiyordu. Bu yaklaşımın bazı kısıtlamaları vardı: Ham veri kaynaklarındaki bazı bilgiler yeniden analiz sürecinde kaybolabiliyor ve bu küresel anlık görüntüler genellikle yalnızca altı saatte bir üretiliyordu.
Geleneksel hava durumu tahmin modelleri ise mevcut atmosfer durumunu doğru bir şekilde temsil etmek için mümkün olduğunca çok ham veri alır ve bu verileri kullanarak fiziksel simülasyonlarla gelecekteki koşulları tahmin eder. WeatherNext 3 artık uydu hava durumu verilerini de ekleyerek bu sürece benzer bir yaklaşım benimsemiş durumda ve tahmin sıklığını saatlik seviyeye yükseltiyor.
Bununla birlikte, başka güncellemeler de mevcut. Konumsal çözünürlük artırılmış ve makine öğrenmesi modeli büyütülmüş, bu da artan hesaplama taleplerini sınırlamak için bazı süreç iyileştirmeleri gerektirmiş. Ayrıca, uydu tabanlı yağış tahminleri üzerine eğitilmiş ayrı bir makine öğrenmesi modeli de eklenmiş, böylece birden fazla yağış tahmini seçeneği sunuluyor.
Belirli bir konumdaki fiziksel özellikleri kullanarak fiziksel süreçleri simüle eden geleneksel modellerin aksine, makine öğrenmesi modelleri büyük ölçüde geçmiş desenlerden öğrenerek gelecekteki desenleri tahmin eden "kara kutular" gibidir. Ancak WeatherNext 3, herhangi bir belirli konum için yüzey sıcaklığı ve çiğlenme noktasını hesaplamak üzere küçük de olsa fiziksel bilgiler ekliyor. Konumun kara veya okyanus olup olmadığını kontrol ediyor ve yüzey rakımını kullanıyor. Bu bilgilerin etiketlendiği geçmiş hava istasyonu verileriyle eğitilen ekip, daha iyi tahmin sonuçları elde ettiklerini belirtiyor.
Bazı İlginç Noktalar
Teknik belge, WeatherNext 2'ye ve Avrupa Orta Menzilli Hava Tahmin Merkezi'nin (ECMWF) yapay zeka modeline kıyasla tahmin performansı iyileştirmelerini gösteren bazı sonuçları paylaşıyor.
Örneğin, üst atmosferdeki koşulların doğruluğunda önceki modele göre yaklaşık %5'lik bir iyileşme kaydedildiğini belirtiyorlar. Bu iyileşmenin, yaklaşık altı saatlik daha doğru bir tahmin süresine denk geldiği söyleniyor. Ayrıca, belirli bir konum için yüzey sıcaklığının hesaplanmasındaki değişiklik, doğruluğu %30'a kadar artırmış. Bu metriklerde genellikle ECMWF modelini de geride bıraktıkları görülüyor.
Belgede, modelin ilk 15 günlük tahminin geri kalanında öne çıkmadan önce, diğer modellerin ilk altı saatlik tahminlerine kıyasla bazı değişkenlerde daha kötü performans gösterdiği ilginç bir istisna da yer alıyor. Bu durumun nedenine dair herhangi bir tahmin yapılmamış.
Daha büyük ölçekli desenlerde de bazı tuhaflıklar gözlemleniyor. Örneğin, yağış haritasında belirgin altıgen şekilli lekeler görülebiliyor, bu da modelin ızgara yapısını yansıtıyor. Olası sonuç aralığını temsil etmek için birden fazla yüzey sıcaklığı tahmini üretme yöntemleri de, küresel ortalama sıcaklığın daha yüksek veya daha düşük olduğu anlık görüntüler üretebiliyor. Normalde, küresel ölçekte ortalaması tutarlı olan ve yerel ölçekte değişkenlik gösteren bir durum beklenir.
Genel olarak ekip, yeni modellerinin "yalnızca analize dayanmanın ötesine geçerek bilgi yoğun, düşük gecikmeli gözlem verilerinden yararlanmasıyla yapay zeka tabanlı hava durumu tahminleri için büyük bir adım temsil ettiğini" belirtiyor.
WeatherNext 3, artık Google Arama, Gemini ve Haritalar dahil olmak üzere Google hizmetlerinde tahmin bilgisi kaynağı olarak kullanılıyor.
