Google เปิดตัว AI พยากรณ์อากาศ WeatherNext 3 แม่นยำขึ้น 50%

⬛️ สมการฟิสิกส์ สู่ AI ช่วยมองอนาคตของอากาศ

การพยากรณ์อากาศแบบดั้งเดิมอาศัยสิ่งที่เรียกว่า Numerical Weather Prediction หรือการพยากรณ์อากาศเชิงตัวเลข นักอุตุนิยมวิทยานำข้อมูลอุณหภูมิ ความกดอากาศ ความชื้น ลม และข้อมูลอื่นจำนวนมหาศาลเข้าสู่แบบจำลองทางฟิสิกส์ ก่อนใช้ซูเปอร์คอมพิวเตอร์คำนวณว่าบรรยากาศจะเปลี่ยนแปลงอย่างไรในอีกหลายชั่วโมงหรือหลายวันข้างหน้า

แต่ AI ใช้วิธีแตกต่างออกไป โมเดลเรียนรู้ความสัมพันธ์จากข้อมูลสภาพอากาศจำนวนมหาศาลในอดีต แล้วนำสิ่งที่เรียนรู้มาใช้คำนวณว่าสภาพบรรยากาศในปัจจุบันมีแนวโน้มพัฒนาไปทางไหน ทำให้สามารถสร้างการพยากรณ์ได้รวดเร็วมาก โดยไม่ต้องคำนวณสมการทางฟิสิกส์ทั้งหมดใหม่ทุกครั้งในลักษณะเดียวกับแบบจำลองดั้งเดิม

อย่างไรก็ตาม นี่ไม่ได้หมายความว่า AI กำลังทำให้แบบจำลองฟิสิกส์หมดความสำคัญ เพราะ WeatherNext 3 เองยังอาศัยข้อมูลวิเคราะห์สภาพบรรยากาศจากศูนย์พยากรณ์อากาศระยะกลางแห่งยุโรป (ECMWF) เป็นส่วนหนึ่งของข้อมูลตั้งต้น ภาพที่กำลังเกิดขึ้นจึงเป็นการนำ AI ดาวเทียม สถานีตรวจอากาศ และระบบพยากรณ์ดั้งเดิมมาทำงานร่วมกัน

⬛️ WeatherNext 3 มองโลกจากดาวเทียมทุกชั่วโมง

จุดเด่นสำคัญของโมเดล WeatherNext 3 คือ สามารถเริ่มการพยากรณ์ใหม่ได้ ทุก 1 ชั่วโมง หรือสูงสุด 24 รอบต่อวัน โดยนำข้อมูลจากดาวเทียมค้างฟ้า (Geostationary Satellite) ที่ติดตามสภาพอากาศของโลกอย่างต่อเนื่องเข้ามาช่วยประมวลผล

เมื่อเกิดกลุ่มเมฆใหม่ แนวฝนเคลื่อนตัว หรือพายุเริ่มเปลี่ยนแปลง ระบบสามารถนำข้อมูลดาวเทียมล่าสุดมาเริ่มคำนวณพยากรณ์รอบใหม่ได้อย่างรวดเร็ว ช่วยให้ติดตามสภาพอากาศที่เปลี่ยนแปลงได้ถี่ขึ้น โดยเฉพาะฝนและพายุ แม้ยังไม่สามารถทำนายเหตุการณ์ฉับพลันทุกประเภทได้อย่างสมบูรณ์ก็ตาม
 
⬛️ พยากรณ์ละเอียดสูงสุดประมาณ 5 กิโลเมตร

WeatherNext 3 ยังเพิ่มความละเอียดของข้อมูล โดยอุณหภูมิและความชื้นที่ได้รับการปรับเทียบกับข้อมูลจากสถานีตรวจอากาศภาคพื้นสามารถมีความละเอียดประมาณ 5 กิโลเมตร ขณะที่ตัวแปรพื้นผิวแบบกริด เช่น ความเร็วลม มีความละเอียดประมาณ 10 กิโลเมตร

Google ยังนำข้อมูลจากสถานีตรวจอากาศจริงบนพื้นโลกมาใช้ในการพัฒนาโมเดล ทำให้ระบบไม่ได้เรียนรู้เพียงข้อมูลจากแบบจำลองบรรยากาศ แต่มีข้อมูลที่วัดจากสถานที่จริงเข้ามาประกอบด้วย เป้าหมายคือทำให้ผลลัพธ์ใกล้เคียงกับสภาพอากาศที่ผู้คนสัมผัสบนพื้นดินมากขึ้น 

⬛️ AI ไม่ทำนายอนาคตเดียว แต่สร้างอนาคต 64 แบบ

สภาพอากาศมีความไม่แน่นอนสูงมาก ความแตกต่างเพียงเล็กน้อยของอุณหภูมิ ความชื้น หรือลมในวันนี้ สามารถทำให้สภาพอากาศในอีกหลายวันแตกต่างกันได้ WeatherNext 3 จึงไม่ได้สร้างคำตอบเกี่ยวกับอนาคตออกมาเพียงแบบเดียว

โมเดลใช้วิธีที่เรียกว่า Ensemble Forecasting โดยสร้างการพยากรณ์พร้อมกัน 64 แบบ เพื่อจำลองความเป็นไปได้หลายสถานการณ์ 

ตัวอย่างเช่น หากผลลัพธ์ส่วนใหญ่ชี้ไปในทิศทางเดียวกันว่าพื้นที่หนึ่งมีโอกาสเกิดฝนหนัก นักพยากรณ์สามารถใช้ข้อมูลดังกล่าวประเมินระดับความเสี่ยงและความไม่แน่นอนได้

รอบพยากรณ์หลักในเวลาหลังเที่ยงคืน หกโมงเช้า เที่ยงวัน และหกโมงเย็น มองไปข้างหน้าได้สูงสุด 15 วัน หรือ 360 ชั่วโมง ส่วนรอบเสริมที่เริ่มใหม่ทุกชั่วโมงสามารถพยากรณ์ล่วงหน้าได้ 48 ชั่วโมง ทำให้ระบบมีทั้งภาพแนวโน้มระยะกลางและข้อมูลที่ได้รับการปรับปรุงระหว่างวัน

⬛️ Google บอกพยากรณ์ฝนดีขึ้นถึง 50%

อีกหนึ่งเป้าหมายสำคัญคือการพยากรณ์ฝน ซึ่งเป็นโจทย์ยากของอุตุนิยมวิทยา Google ระบุว่า WeatherNext 3 ทำให้ผู้ใช้งานเห็นการพยากรณ์ปริมาณฝนตั้งแต่ประมาณหนึ่งวันล่วงหน้าขึ้นไปดีขึ้นได้ถึง 50% เมื่อเทียบกับระบบก่อนหน้า โดยเห็นการปรับปรุงมากเป็นพิเศษในพื้นที่ที่การพยากรณ์เคยทำได้ยาก

แต่ตัวเลขนี้ควรอ่านอย่างระมัดระวัง เพราะเป็นผลการประเมินที่ Google รายงานเอง และไม่ได้หมายความว่า WeatherNext 3 พยากรณ์ฝนถูกต้องขึ้น 50% ในทุกประเทศ ทุกพื้นที่ หรือทุกสถานการณ์

จุดนี้สำคัญสำหรับประเทศไทยด้วย เพราะภูมิอากาศเขตร้อนมีฝนจากการพาความร้อนและพายุฝนที่สามารถก่อตัวในพื้นที่ค่อนข้างเล็ก การจะสรุปว่า WeatherNext 3 พยากรณ์ฝนในประเทศไทยได้ดีขึ้นเพียงใด จำเป็นต้องมีการประเมินกับข้อมูลในประเทศไทยโดยตรง

⬛️ การพยากรณ์อากาศเกี่ยวข้องกับเศรษฐกิจ

ข้อมูลสภาพอากาศมีมูลค่าทางเศรษฐกิจมากกว่าการบอกว่าพรุ่งนี้ฝนจะตกหรือไม่ WeatherNext 3 จึงเพิ่มตัวแปรเกี่ยวกับ รังสีดวงอาทิตย์และปริมาณเมฆปกคลุม ซึ่งสามารถนำไปใช้กับระบบผลิตพลังงานหมุนเวียนได้

ตัวอย่างเช่น หากผู้ควบคุมโครงข่ายไฟฟ้าทราบล่วงหน้าว่าวันพรุ่งนี้จะมีเมฆจำนวนมาก กำลังผลิตจากโซลาร์ฟาร์มอาจลดลง ระบบสามารถเตรียมไฟฟ้าจากแหล่งอื่นเข้ามาชดเชย ขณะที่การพยากรณ์ลมมีความสำคัญต่อการประเมินกำลังผลิตจากกังหันลมเช่นเดียวกัน 

⬛️ AI จะมาแทนนักอุตุนิยมวิทยาหรือไม่?

เก่งขนาดนี้คำถามต่อมา AI จะมาแทนนักอุตุนิยมวิทยาหรือไม่?  คำตอบนั้นชัดเจนว่า ณ ตอนนี้ยังไม่ใช่ เพราะโมเดลสามารถสร้างข้อมูลพยากรณ์ได้ แต่การนำข้อมูลไปตีความ ประเมินความเสี่ยง และตัดสินใจออกประกาศเตือนภัยยังต้องอาศัยผู้เชี่ยวชาญ รวมถึงข้อมูลจากเรดาร์ ดาวเทียม สถานีตรวจอากาศ และแบบจำลองหลายระบบประกอบกัน

Google เองก็ระบุข้อจำกัดว่า ผลลัพธ์จากระบบ WeatherNext ไม่ควรถูกใช้แทนประกาศเตือนภัยอย่างเป็นทางการ โดยเฉพาะเหตุการณ์ที่เกี่ยวข้องกับชีวิตและทรัพย์สิน เช่น พายุ น้ำท่วม หรือสภาพอากาศรุนแรง ประชาชนยังควรติดตามหน่วยงานอุตุนิยมวิทยาของแต่ละประเทศเป็นหลัก

ดังนั้นสิ่งที่กำลังเกิดขึ้นอาจไม่ใช่ยุคที่ AI เข้ามาแทนคนพยากรณ์อากาศ แต่เป็นจุดเริ่มต้นของยุคที่ AI กลายเป็นหนึ่งในเครื่องมือสำคัญของการพยากรณ์อากาศ และผลลัพธ์จากเทคโนโลยีเหล่านี้กำลังทยอยเข้ามาอยู่ในบริการดิจิทัลที่คนทั่วไปใช้ในชีวิตประจำวันแล้ว