Yapay Zeka Hava Tahminini Nasıl Değiştiriyor: GraphCast, AIFS ve Kanada'nın GEML'i

Avrupa ve Kuzey Amerika'daki hava tahmin kurumları, onlarca yıllık fizik tabanlı tahmin sistemleriyle birlikte yapay zeka modellerini çalıştırmaya başladı ve bazı durumlarda ikisini birleştiriyor. Bu değişimin itici gücü, Google DeepMind ve Avrupa Orta Vadeli Hava Tahminleri Merkezi'ne (ECMWF) göre, yapay zekanın tek bir işlemcide bir dakikadan kısa sürede küresel 10 günlük tahmin üretebilme yeteneği; buna karşılık geleneksel sayısal hava tahmini için süper bilgisayarlarda saatler gerekiyor.

GraphCast ve AIFS tam olarak ne yapıyor

Google DeepMind tarafından geliştirilen GraphCast, Dünya yüzeyini 28x28 kilometre çözünürlükle kapsayan bir milyondan fazla ızgara noktasındaki hava verilerini işlemek için grafik sinir ağlarını kullanan bir makine öğrenimi modelidir. Model, altı saat önceki atmosferik durumu ve şu anki durumu alır, ardından sonraki altı saati tahmin eder; bu adımın tekrar tekrar çalıştırılması 10 günlük bir tahmin üretir. Google DeepMind'ın kendi açıklamasına göre model ve sonuçları 14 Kasım 2023'te Science dergisinde yayımlandı ve kodu açık kaynak olarak yayımlandı.

ECMWF, merkezin geleneksel fizik tabanlı Entegre Tahmin Sistemi (IFS) ile birlikte çalışan kendi sistemini, Yapay Zeka Tahmin Sistemi'ni (AIFS) geliştirdi; bu sistem 25 Şubat 2025'te operasyonel hale geldi. ECMWF'ye göre AIFS, IFS ile aynı başlangıç verilerini — uydular, uçaklar, şamandıralar ve yer istasyonlarından her altı saatte bir toplanan, kalite kontrolünden geçmiş yaklaşık 60 milyon gözlemi — kullanıyor, ancak fizik denklemlerini doğrudan çözmek yerine tarihsel hava örüntüleri üzerinde eğitilmiş bir makine öğrenimi modeli uyguluyor.

Yapay zeka modelleri, onları geliştiren kuruluşlara göre ne kadar doğru

Google DeepMind, GraphCast'in, şirket tarafından sektör kıyaslaması olarak tanımlanan ECMWF'nin Yüksek Çözünürlüklü Tahmini'nden (HRES), 1.380 test değişkeni ve tahmin süresinin %90'ından fazlasında ve çoğu hava olayının gerçekleştiği atmosfer tabakası olan troposfere özgü değişkenlerin %99,7'sinde daha doğru tahminler ürettiğini bildirdi. DeepMind ayrıca GraphCast'in Lee Kasırgası'nın Nova Scotia'ya dokuz gün önceden karaya çıkacağını tahmin ettiğini de belirtti.

ECMWF, AIFS'in "tropikal siklon rotaları da dahil olmak üzere birçok ölçütte, en gelişmiş fizik tabanlı modelleri, %20'ye kadar kazanımlarla aştığını" ve bunu, geleneksel yöntemlere kıyasla tahmin başına kabaca 1.000 kat daha az enerji kullanarak gerçekleştirdiğini bildirdi.

Kanada'nın hibrit yaklaşımı: Fizik modelini yönlendiren yapay zeka

Kanada Çevre ve İklim Değişikliği Bakanlığı farklı bir yol izleyerek, DeepMind'ın açık kaynak GraphCast kodu üzerine Küresel Çevresel eMuLatör (GEML) adlı bir Kanada yapay zeka modeli inşa etti ve bunu Kanada'nın tarihsel hava verileri üzerinde eğitti. Kurumun resmi açıklamasına göre, fizik tabanlı modelin yerine geçmek yerine kurum ikisini "spektral yönlendirme" olarak adlandırdığı bir teknikle birleştiriyor: geleneksel model, GEML tarafından üretilen atmosferik duruma doğru yumuşak bir şekilde yönlendiriliyor, şiddetli hava olaylarıyla ilgili daha ince ölçekli ayrıntılar ise yerleşik fiziksel denklemler kullanılarak evrilmeye devam ediyor. Hibrit sistem, bir yıldan uzun süren testlerin ardından 27 Mayıs 2026'da operasyonel hale geldi.

Kanada Çevre ve İklim Değişikliği Bakanlığı, yapay zeka modellerinin büyük ölçekli atmosferik örüntülerde geleneksel bilgisayar modellerinden daha iyi performans gösterebildiğini, bunun da özellikle daha uzun tahmin sürelerinde önem taşıdığını söyledi, ancak açıklamada belirli bir iyileşme rakamı yayımlamadı.

Yapay zekanın hâlâ yetersiz kaldığı noktalar

Hem ECMWF hem de Kanada Çevre ve İklim Değişikliği Bakanlığı sınırlamalara dikkat çekti. ECMWF'ye göre, ECMWF'nin AIFS'i şu anda yalnızca deterministik tek bir tahmin olarak çalışıyor; tahmin belirsizliğini değerlendirmek için standart olan ve 50 tahmin varyasyonu sunan bir topluluk (ensemble) sürümü hâlâ geliştirme aşamasında. Kanada Çevre ve İklim Değişikliği Bakanlığı, mevcut yapay zeka modellerinin kendi başlarına yalnızca sınırlı sayıda değişkeni tahmin ettiğini, bunun operasyonel kullanım için yeterli olmadığını ve bu modellerin, belirli aşırı hava olayı türleri için doğruluğu düşürebilecek şekillerde daha ince atmosferik ayrıntıları yumuşattığını belirtti — kurumun yalnızca yapay zekaya dayalı bir sistem yerine hibrit tasarımı seçmesinin nedenlerinden biri de bu.