Các nhà khoa học Mỹ cho biết việc áp dụng mô hình AI đã nâng cao chất lượng dự báo gió mùa ở Ấn Độ và khuyến khích nhiều nghiên cứu theo phương pháp tương tự. Mùa hè này, 38 triệu nông dân đã nhận dự báo dựa trên NeuralGCM, một mô hình lai do Google phát triển, với thông tin có sẵn khoảng 4 tuần trước khi gió mùa thường bắt đầu. Nhóm nghiên cứu nói các dự báo đã cảnh báo chính xác về một khoảng ngừng kéo dài 3 tuần sau khi gió mùa đổ bộ vào đầu tháng Sáu và di chuyển về phía bắc.
NeuralGCM kết hợp mô phỏng dựa trên vật lý truyền thống và học máy, và khi so sánh với cả mô hình vật lý thông thường lẫn các mô hình AI khác, nó thể hiện hiệu suất mạnh trên nhiều chỉ số thời tiết và khí hậu đồng thời tiêu thụ ít tài nguyên tính toán hơn. University of Chicago nhấn mạnh tầm quan trọng của việc benchmark các mô hình; họ nhận hỗ trợ từ Gates Foundation để đánh giá các mô hình hiện có tại Đông và Tây Phi, tập trung vào mùa mưa và các đợt nóng, nhằm kiểm tra độ chính xác với các sự kiện theo mùa như khởi phát và tiến triển gió mùa.
Các dự báo có hỗ trợ AI đã được dùng để tư vấn cho nông dân về quyết định gieo trồng. Phần mềm có thể chạy trên laptop, giúp tiếp cận dự báo chất lượng cao dễ dàng hơn so với các mô hình cần siêu máy tính. Quan chức Ấn Độ và đối tác dự án nhấn mạnh lợi ích kinh tế tiềm năng; Michael Kremer của University of Chicago ước tính việc phổ biến dự báo AI có thể tạo ra hơn US$100 cho nông dân cho mỗi đôla chính phủ đầu tư.
Các chuyên gia nông nghiệp kêu gọi liên kết tín hiệu mưa với dữ liệu kỹ thuật hơn, ví dụ:
- độ ẩm đất;
- độ thiếu hụt áp suất hơi nước;
- dự báo stress nhiệt;
- độ nhạy theo giai đoạn sinh trưởng cây trồng.
Họ cảnh báo một dự báo sai về khởi phát sớm có thể làm chết cây giống, gây chi phí gieo lại và mất thời gian sinh trưởng. Nhóm Human-Centred Weather Forecasts ra mắt năm nay, hiện hợp tác với 5 nước và dự định mở rộng thêm 10 nước vào 2026 và 15 nước vào 2027, với tầm tới hàng triệu nông dân. Các nhà nghiên cứu cũng đào tạo nhân viên khí tượng ở các nước có thu nhập thấp và trung bình. Tuy nhiên, vẫn chưa rõ các thử thách kỹ thuật và thực tế sẽ được giải quyết nhanh thế nào khi dự án mở rộng quy mô.
Từ khó
- áp dụng — bắt đầu dùng một phương pháp hoặc công nghệ
- mô hình lai — kết hợp hai phương pháp khác nhau để dự báo
- học máy — kỹ thuật cho máy tính học từ dữ liệu
- siêu máy tính — máy tính rất mạnh dùng cho tính toán lớn
- tài nguyên tính toán — năng lực máy tính cần cho xử lý dữ liệu
- khởi phát — sự bắt đầu của một hiện tượng thời tiết
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Bạn nghĩ dự báo AI sẽ thay đổi quyết định gieo trồng của nông dân ở vùng nhiệt đới như thế nào? Hãy cho ví dụ cụ thể.
- Khi mở rộng dự án sang nhiều nước, những thách thức kỹ thuật và thực tế nào có thể xuất hiện? Nêu ít nhất hai vấn đề.
- Việc liên kết tín hiệu mưa với dữ liệu như độ ẩm đất hoặc stress nhiệt có lợi ích gì cho nông dân và có thể gặp khó khăn gì khi triển khai?
