AI dự báo bão trong 1 phút — siêu máy tính mất cả giờ

Buổi sáng bạn mở Weather mà không biết AI đang đứng sau

Sáng nay bạn lướt điện thoại. "Thứ Tư mưa to, Thứ Năm hửng nắng." Bạn quyết định phơi đồ hay không, mang áo mưa đi làm hay không. Ba giây suy nghĩ. Xong. Lướt tiếp.

Nhưng cũng dòng dự báo ấy, nếu nó xê dịch mấy chục km về hướng đi của cơn bão, thì cả một dải duyên hải miền Trung có thể sơ tán muộn — hoặc sơ tán oan, thiệt hại hàng trăm tỷ. Dự báo thời tiết không phải chuyện phơi đồ. Nó là chuyện sống chết.

Và bạn biết gì không? Con số bạn đọc sáng nay có thể đã được một AI tạo ra. Trong chưa đầy một phút.

Câu chuyện hôm nay bắt đầu ở một văn phòng tại London, nơi một nhóm kỹ sư dạy máy tính đọc bầu trời — và kết quả khiến cả ngành khí tượng, lần đầu sau nửa thế kỷ, phải dừng lại nhìn.

GraphCast: Khi Google dạy AI "nhìn" khí quyển bằng đồ thị

Cuối năm 2023, nhóm nghiên cứu Google DeepMind — dẫn đầu bởi Remi Lam, Alvaro Sanchez-Gonzalez và Peter Battaglia — đăng một bài báo trên tạp chí Science có tên "Learning skillful medium-range global weather forecasting." Nghe khô khan, nhưng thứ bên trong thì không khô chút nào.

Họ tạo ra GraphCast — một mô hình AI dự báo thời tiết toàn cầu, lên tới 10 ngày phía trước.

Để bạn hình dung cái cũ trước đã. Dự báo thời tiết truyền thống giống như giải một bài toán vật lý siêu khó bằng cách thủ công. Bạn chia bầu khí quyển thành hàng triệu ô nhỏ, rồi dùng phương trình thủy động lực học tính từng ô, từng bước thời gian, lặp đi lặp lại. Tưởng tượng bạn muốn biết nước chảy đi đâu trong một bể bơi — nhưng bể bơi này bao quanh cả Trái Đất, dày mấy chục km, và nước thì xoáy loạn theo mọi hướng. Cần siêu máy tính với hàng nghìn CPU, chạy ròng rã nhiều giờ đồng hồ. Hệ thống tốt nhất thế giới là HRES của Trung tâm Dự báo Thời tiết Tầm trung Châu Âu (ECMWF) — hoạt động y chang vậy.

GraphCast thì khác hoàn toàn. Nó không giải phương trình. Nó học.

Nhóm DeepMind cho AI "ăn" 39 năm dữ liệu thời tiết lịch sử — bộ ERA5 của ECMWF, từ 1979 đến 2017. Gần bốn thập kỷ mây mưa nắng gió trên toàn hành tinh, đổ hết vào. Rồi bảo: "Mày nhìn đi. Tìm ra quy luật." AI dùng kiến trúc mạng nơ-ron đồ thị (graph neural network) — tưởng tượng nó như một tấm lưới đánh cá phủ lên Trái Đất, mỗi nút lưới là một điểm quan trắc, và AI học cách các nút ấy ảnh hưởng lẫn nhau theo thời gian. Nhiệt độ ở Biển Đông tuần trước sẽ làm gì với gió ở Đà Nẵng tuần này? AI tự tìm ra mà không cần ai viết phương trình.

Kết quả? Dự báo 10 ngày. Chưa đầy 1 phút. Trên MỘT con chip TPU duy nhất.

Tại sao cả ngành khí tượng phải dừng lại nhìn

Mô hình dự báo số trị (NWP — Numerical Weather Prediction) đã thống trị suốt hơn nửa thế kỷ. Nó tốt. Nhưng nó đang đụng trần, và trần ấy rất rõ.

Chậm. Mỗi lần chạy dự báo, ECMWF huy động siêu máy tính, tốn hàng giờ. Bão đổi hướng đột ngột? Phải chờ. Mà bão thì không chờ.

Đắt. Vận hành siêu máy tính cho dự báo thời tiết toàn cầu tốn hàng trăm triệu USD mỗi năm. Chỉ vài quốc gia giàu mới kham nổi.

Càng xa càng sai. Dự báo 1-2 ngày thì ổn, nhưng tới ngày thứ 7, thứ 10, sai số tích lũy từng bước tính khiến độ chính xác rớt thảm hại.

GraphCast đập vào cả ba bức tường đó. Theo paper trên Science, nó đã chứng minh vượt HRES trên 90,3% trong số 1.380 chỉ tiêu kiểm tra — từ nhiệt độ, áp suất, tốc độ gió đến độ ẩm, ở mọi tầng khí quyển, mọi khoảng thời gian dự báo. Đặc biệt, nó dự đoán đường đi của xoáy thuận nhiệt đới — tức bão — chính xác hơn hệ thống truyền thống.

Với Việt Nam, nước hứng trung bình 6 đến 8 cơn bão mỗi năm, điều này không phải tin công nghệ hay ho. Nó là tin cứu người.

Và tất cả chỉ cần một con chip. Không cần siêu máy tính. Bất kỳ quốc gia nào, bất kỳ tổ chức nào có tài khoản cloud cũng có thể chạy.

Từ ruộng lúa miền Tây đến cảng cá Đà Nẵng: AI thời tiết chạm tới đâu?

Đây mới là phần khiến tôi nổi da gà khi ngồi nghĩ kỹ. GraphCast không phải chuyện của mấy ông khoa học ngồi phòng lạnh. Nó chạm tới bàn ăn của bạn.

Nông nghiệp. Đồng bằng sông Cửu Long — vựa lúa quốc gia — sống chết bởi thời tiết. Biết trước 10 ngày trời mưa hay nắng, nông dân quyết định lúc nào gieo, lúc nào gặt, lúc nào phun thuốc. Sai một ngày có thể mất cả vụ. Một hệ thống dự báo rẻ hơn, nhanh hơn, chạy được trên điện thoại thông qua app — chuyện đó giờ đã khả thi về mặt kỹ thuật.

Phòng chống bão lũ. Năm nào miền Trung cũng ngập. GraphCast dự đoán đường đi bão chính xác hơn đồng nghĩa với sơ tán sớm hơn, chuẩn bị hậu cần cứu trợ chính xác hơn, và — nói thẳng — ít quan tài hơn.

Hàng không và vận tải. Mỗi chuyến bay delay vì thời tiết tốn hàng chục nghìn USD. Hãng hàng không và hãng tàu có thể dùng dự báo AI tối ưu lộ trình, né vùng nhiễu động, tiết kiệm nhiên liệu. Vietnam Airlines, Vietjet, VIMC — nếu tích hợp hệ thống kiểu này, mỗi năm giảm được con số chi phí không nhỏ.

Năng lượng tái tạo. Điện gió, điện mặt trời phụ thuộc vào... gió và mặt trời. Dự báo chính xác hơn nghĩa là quản lý lưới điện tốt hơn, ít phải dự phòng bằng nhiệt điện than. Việt Nam đang đẩy mạnh điện gió ngoài khơi — dữ liệu thời tiết AI là mảnh ghép đang thiếu.

Bảo hiểm. Bảo hiểm nông nghiệp, bảo hiểm tài sản vùng bão lũ cần mô hình rủi ro chính xác. AI thời tiết cho họ đúng thứ đó, và người dân được hưởng phí bảo hiểm hợp lý hơn thay vì bị tính đắt vì không ai biết rủi ro thật nằm đâu.

Góc kiếm tiền: nghề nào, kỹ năng nào, cơ hội nào?

Đừng nghĩ chuyện này chỉ dành cho Google. GraphCast mã nguồn mở — DeepMind đã public trên GitHub. Cuộc đua đang nóng: ECMWF năm 2024 công bố mô hình AI riêng (AIFS), Huawei có Pangu-Weather (Nature, 2023), NVIDIA có FourCastNet. Ai cũng cần người vừa biết AI vừa hiểu khí tượng, và hầu như không ai trên thị trường nhân sự có cả hai.

Thị trường dịch vụ thời tiết toàn cầu đạt khoảng 3-4 tỷ USD vào năm 2023 theo Research and Markets, và đang tăng trưởng nhanh nhờ AI. Đây không phải thị trường ngách. Đây là hạ tầng.

Một lưu ý tỉnh táo: rào cản gia nhập không phải code — mà là dữ liệu chất lượng, hiểu biết chuyên ngành khí tượng, và khả năng biến paper thành sản phẩm người bình thường bấm được trên điện thoại.

Nấc thang nào cho nhân loại — và cái giá phải cân nhắc

GraphCast là tín hiệu rằng AI đang bắt đầu giải được những bài toán mà vật lý truyền thống đã gần tới giới hạn. Và bài toán này không trừu tượng. Nó đếm bằng mạng người.

Theo Tổ chức Khí tượng Thế giới (WMO, 2023), các thiên tai liên quan thời tiết đã gây thiệt hại khoảng 4.300 tỷ USD trên toàn cầu trong 50 năm (1970–2021) và cướp đi hơn 2 triệu sinh mạng. Bất kỳ cải thiện nào trong dự báo — dù chỉ thêm vài giờ cảnh báo sớm — đều quy ra mạng người được cứu.

Khí hậu đang biến đổi, thời tiết ngày càng cực đoan. Mô hình vật lý truyền thống được xây trên các giả định có thể không bắt kịp sự thay đổi. AI, vì nó học từ dữ liệu thực, có tiềm năng thích ứng nhanh hơn — miễn là được cập nhật dữ liệu mới liên tục.

Nhưng GraphCast có giới hạn rõ ràng, và tôi muốn nói thẳng vì khoa học không phải quảng cáo.

Thứ nhất, độ phân giải khoảng 25 km. Nó không nói cho bạn biết chiều nay mưa ở quận Bình Thạnh hay chỉ ở Thủ Đức. Dự báo cực địa phương — mưa giông chiều, lốc xoáy nhỏ — vẫn nằm ngoài tầm với. Thứ hai, AI học từ quá khứ. Nếu khí hậu thay đổi theo cách hoàn toàn chưa có tiền lệ, AI có thể sai. Thứ ba, mô hình AI là hộp đen. Nó cho kết quả nhưng không giải thích tại sao. Nhà khí tượng vẫn cần mô hình vật lý để hiểu cơ chế. Bỏ hẳn thì nguy hiểm.

Tin vui: bước tiếp theo đã tới. GenCast — phiên bản nâng cấp của DeepMind, công bố trên Nature tháng 12/2024 bởi Ilan Price và cộng sự — đã đi thêm một nấc quan trọng: dự báo xác suất. Thay vì nói "ngày mai mưa," nó nói "ngày mai có 73% khả năng mưa." Đây mới là thứ người ra quyết định thực sự cần.

Cuộc cách mạng AI thời tiết không thay thế nhà khí tượng. Nó trao cho họ vũ khí mới. Và nếu chúng ta dùng đúng, nó sẽ cứu được nhiều người hơn bất kỳ siêu máy tính nào từng làm.

Chấm điểm tỉnh táo

Nguồn tham khảo

1. Remi Lam, Alvaro Sanchez-Gonzalez, Matthew Willson, Peter Battaglia et al. — "Learning skillful medium-range global weather forecasting" — Science, Vol. 382, Issue 6677, tháng 11/2023.

2. Ilan Price, Alvaro Sanchez-Gonzalez, Ferran Alet et al. — "GenCast: Diffusion-based ensemble forecasting for medium-range weather" — Nature, tháng 12/2024.

3. Kaifeng Bi, Lingxi Xie, Hengheng Zhang et al. — "Accurate medium-range global weather forecasting with 3D neural networks" (Pangu-Weather) — Nature, Vol. 619, tháng 7/2023.

4. World Meteorological Organization (WMO) — Atlas of Mortality and Economic Losses from Weather, Climate and Water Extremes (1970–2021) — 2023.

5. Google DeepMind — GraphCast GitHub repository (mã nguồn mở), 2023.