Świat w obliczu wzrostu ekstremalnych zjawisk pogodowych. AI może pomóc?

W obliczu gwałtownie nasilających się zjawisk pogodowych sztuczna inteligencja staje się kluczowym narzędziem wspomagającym prognozowanie i systemy wczesnego ostrzegania. Rok 2024 przyniósł przełomowy rozwój w tej dziedzinie – potwierdzając, iż AI może realnie przyczynić się do ratowania życia i ograniczania strat ekonomicznych – informuje amerykański think tank Council Foreign Relations (CFR).

Ekstremalne zjawiska pogodowe rosną na sile

Jak pisze Council Foreign Relations, pożary, powodzie, fale upałów – takie wydarzenia stają się coraz częstsze i bardziej intensywne. Przykład? W styczniu 2024 r. pożary w okolicach Los Angeles osiągnęły niszczycielskie rozmiary – ewakuacją objęto ponad 160 tys. osób, a zginęło co najmniej 28. Systemy ostrzegawcze zawiodły: jedni mieszkańcy dostali fałszywe alarmy, inni – komunikaty z 12-godzinnym opóźnieniem.

Według danych ONZ, między 2000 a 2019 rokiem na świecie odnotowano ponad 7300 poważnych katastrof naturalnych, które pochłonęły życie 1,23 miliona osób i spowodowały straty rzędu 3 bilionów dolarów. Dla porównania, w latach 1980–1999 takich zdarzeń było około 4200.

AI jako narzędzie walki ze skutkami zmian klimatycznych

W obliczu coraz groźniejszych konsekwencji zmian klimatycznych, najważniejsze staje się wdrożenie skutecznych systemów wczesnego ostrzegania. Jak podaje Program Środowiskowy ONZ, choćby 24-godzinne wyprzedzenie może ograniczyć straty o 30%. Mimo to, tylko połowa państw na świecie dysponuje odpowiednimi zasobami do ostrzegania swoich obywateli o nadchodzących zagrożeniach pogodowych.

Odpowiedzią ma być inicjatywa „Early Warning for All”, uruchomiona przez ONZ w 2022 roku. Jej celem jest objęcie całej populacji globu systemami wczesnego ostrzegania do końca 2027 roku. Problemem jednak pozostaje brak infrastruktury, specjalistów oraz danych meteorologicznych – szczególnie w Afryce, gdzie aż 60% mieszkańców nie ma dostępu do podstawowych ostrzeżeń pogodowych.

Jak działa sztuczna inteligencja w prognozowaniu pogody?

Tradycyjne prognozy opierają się na superkomputerach i zaawansowanych symulacjach fizycznych. Korzystają z nich instytucje takie jak amerykańska NOAA czy Europejskie Centrum Prognoz Średnioterminowych. Jednak kilka państw może sobie pozwolić na tak kosztowne technologie.

AI stanowi tańszą i szybszą alternatywę. Modele uczą się na podstawie olbrzymich zbiorów danych historycznych, rozpoznając wzorce i generując bardzo dokładne prognozy. Przykładem jest GraphCast, model AI stworzony przez Google DeepMind, który w 2024 roku z dużą trafnością przewidział trasy huraganów Beryl i Milton.

Nowoczesne modele AI mogą działać choćby na zwykłym laptopie, a ich dokładność dorównuje (lub przewyższa) tradycyjne prognozy. W projekt zaangażowały się także firmy takie jak Huawei, Nvidia oraz liczne startupy. Również instytucje publiczne – jak NASA czy Europejskie Centrum Prognoz – testują i wdrażają narzędzia oparte na AI.

Dalsza część tekstu jest pod wywiadem z Maciejem Chojnowskim, Centrum Etyki Technologii Instytutu Humanites

AI dociera do państw rozwijających się

Sztuczna inteligencja ma szansę szczególnie pomóc krajom spoza OECD. Przykłady:

• Współpraca Światowego Programu Żywnościowego ONZ i Uniwersytetu Oksfordzkiego z państwami Afryki Wschodniej (w tym Kenią i Etiopią) nad wdrożeniem prognoz AI.
• Filipińska agencja meteorologiczna planuje zastosować sztuczną inteligencję w prognozowaniu.
• Inicjatywa Agriculture Innovation Mechanism for Scale, ogłoszona na COP29 w listopadzie 2024 r., przeznaczy miliard dolarów na pomoc krajom rozwijającym się w wykorzystaniu prognoz AI – szczególnie na potrzeby rolnictwa.

Granice możliwości sztucznej inteligencji

Choć AI ma ogromny potencjał, nie jest pozbawiona ograniczeń:

• Braki w danych meteorologicznych – wiele regionów nie ma stacji pogodowych, a AI potrzebuje lokalnych danych do kalibracji.

• Zapotrzebowanie na energię – rozwój AI zwiększa globalne zużycie prądu, często zasilanego paliwami kopalnymi, co może kolidować z celami klimatycznymi.

• Współpraca publiczno-prywatna – prywatne modele AI bazują na publicznych danych, co rodzi pytania o zasady współpracy i udostępniania prognoz.

• Dostępność prognoz – choćby najlepsza prognoza nie zadziała, jeżeli nie dotrze do mieszkańców. Przykładem może być sytuacja z grudnia 2024 r., gdy mieszkańcy Majotty zignorowali ostrzeżenie przed cyklonem Chido, mimo iż zostało wydane z ponad 50-godzinnym wyprzedzeniem.

Prognozowanie pogody jako dobro publiczne

Dokładne prognozy pogodowe powinny pozostać powszechnie dostępne i darmowe – zwłaszcza w obliczu narastających zagrożeń klimatycznych. Sztuczna inteligencja może odegrać tu kluczową rolę, ratując życie, domy i źródła utrzymania ludzi na całym świecie.

Źródło: CFR