- GenCast dari Google DeepMind memiliki akurasi yang sebanding dengan sistem prediksi cuaca tradisional
- Menurut riset terbaru, saat diuji berdasarkan data tahun 2019, GenCast mengungguli ENS, model prediksi kelas dunia, dengan probabilitas 97,2%
Fitur utama GenCast
- Sebagai model machine learning berbasis AI, GenCast mempelajari data cuaca dari 1979 hingga 2018 untuk mengenali pola dan memprediksi masa depan
- Sementara model tradisional (ENS) menghitung persamaan kompleks berbasis fisika, GenCast memanfaatkan machine learning untuk melakukan prediksi secara lebih efisien
- Menggunakan pendekatan prediksi ensemble untuk menyajikan berbagai skenario:
- Contoh: dalam prediksi jalur siklon tropis, peringatan diberikan rata-rata 12 jam lebih cepat
- Dapat memprediksi topan, cuaca ekstrem, produksi tenaga angin, dan lainnya hingga 15 hari sebelumnya
Kinerja dan efisiensi utama
- Menghemat waktu dan sumber daya:
- GenCast menggunakan Google Cloud TPU v5 untuk menghasilkan prakiraan 15 hari hanya dalam 8 menit
- Model tradisional ENS memerlukan beberapa jam untuk menghasilkan prakiraan yang sama
- Biaya komputasi berkurang karena tidak perlu langsung menyelesaikan persamaan fisika
- Perbedaan resolusi:
- GenCast beroperasi pada resolusi 0,25 derajat (lintang dan bujur)
- ENS pada tahun 2019 beroperasi pada resolusi 0,2 derajat, dan kini telah ditingkatkan menjadi 0,1 derajat
- Meski ada perbedaan resolusi, GenCast tetap menunjukkan performa yang sangat baik
Koeksistensi AI dan model tradisional
- GenCast memberikan prediksi setiap 12 jam, yang menjadi pembeda dibanding model tradisional yang menyediakan data pada interval lebih pendek
- DeepMind berfokus menggunakan GenCast bersama model tradisional untuk membangun kepercayaan dan keyakinan
- GenCast berpotensi memberi dampak nyata sebagai alat baru bagi peneliti meteorologi dan praktisi prakiraan cuaca
Potensi keterbatasan model AI
- Perbandingan performa ENS dan GenCast saat ini belum sepenuhnya ideal karena pengujian GenCast didasarkan pada data ENS tahun 2019
- Masih diperlukan peningkatan lanjutan, seperti skalabilitas ke resolusi lebih tinggi atau penyediaan interval prediksi yang lebih pendek
- Komunitas meteorologi masih mempertimbangkan apakah model berbasis AI dapat diandalkan setara dengan model berbasis fisika
Open-source dan prospek ke depan
- DeepMind telah merilis kode open-source GenCast agar lebih banyak peneliti dan praktisi dapat mengaksesnya
- Model AI diperkirakan akan melengkapi, bukan menggantikan, model tradisional untuk memungkinkan prediksi cuaca yang lebih akurat dan cepat
- Model prediksi cuaca AI menunjukkan potensi untuk merevolusi cara data meteorologi dimanfaatkan demi dampak sosial yang lebih baik
Belum ada komentar.