“เอไอ” กำลังเข้ามามีบทบาทในทุกวงการ ไม่เว้นแม้แต่ “การพยากรณ์อากาศ” ปัจจุบันโมเดลเอไอหลายระบบสามารถพยากรณ์อากาศในชีวิตประจำวันได้แม่นยำทัดเทียมหรืออาจจะเหนือกว่าระบบดั้งเดิมในหลายด้า แต่เมื่อเผชิญกับ “สภาพอากาศสุดขั้ว” ที่รุนแรงบ่อยครั้งและทำลายสถิติต่อเนื่อง เอไอกลับพยากรณ์คลาดเคลื่อนไม่แม่นยำเท่าระบบพยากรณ์อากาศแบบคลาสสิกที่อิงตามหลักฟิสิกส์ ที่ยังคงให้ความแม่นยำและน่าเชื่อถือมากกว่า
ความแตกต่างนี้กลายเป็นประเด็นสำคัญที่นักวิทยาศาสตร์กำลังเร่งศึกษา เพราะถึงแม้สภาพอากาศสุดขั้วอาจจะไม่ได้เกิดบ่อยมาก แต่ก็สร้างผลกระทบรุนแรง เป็นตัวการสำคัญที่สร้างความเสียหายต่อชีวิตและทรัพย์สินมากที่สุด
การศึกษาวิจัยล่าสุดที่นำโดยจาง จงเหวย นักสถิติจากมหาวิทยาลัยเจนีวา มุ่งเน้นไปที่เหตุการณ์สภาพอากาศสุดขั้วซึ่งทำลายสถิติสูงสุดหรือต่ำสุดในแต่ละพื้นที่และฤดูกาล โดยคณะผู้วิจัยได้ทำการทดสอบความสามารถของเอไอ หลายระบบเปรียบเทียบกับโมเดลพยากรณ์อากาศความละเอียดสูงของยุโรป (ECMWF HRES) เพื่อดูว่าระบบใดจะรับมือกับเหตุการณ์ที่เกิดขึ้นไม่บ่อยนักได้ดีกว่ากัน
คณะวิจัยสร้างเกณฑ์มาตรฐานโดยใช้ข้อมูลย้อนหลังตั้งแต่ปี 1979-2020 เพื่อค้นหาเหตุการณ์ที่อุณหภูมิหรือความเร็วลมพุ่งทะลุสถิติเดิม เฉพาะในปี 2020 เพียงปีเดียว พวกเขาพบสถิติความร้อนสูงถึง 162,751 ครั้ง และความเร็วลมที่ทำลายสถิติอีกกว่า 53,345 ครั้งทั่วโลก ซึ่งเป็นชุดข้อมูลที่ใหญ่พอจะทดสอบขีดจำกัดของเอไอได้อย่างชัดเจน
ระบบพยากรณ์อากาศสมัยใหม่โดยส่วนใหญ่ยังคงพึ่งพาการพยากรณ์อากาศเชิงตัวเลข (Numerical Weather Prediction) ซึ่งเป็นแบบจำลองคอมพิวเตอร์ที่จำลองการเคลื่อนที่ของอากาศ ความชื้น และพลังงานผ่านสมการทางฟิสิกส์ แม้ว่าโมเดลเหล่านี้จะต้องใช้พลังงานในการประมวลผลมหาศาล แต่พวกเขาสามารถสร้างแผนที่รายละเอียดของอุณหภูมิ ลม และหยาดน้ำฟ้าล่วงหน้าได้หลายวัน
ในขณะที่ เอไอมีข้อจำกัดสำคัญของ คือพวกมันถูกฝึกฝนให้จดจำและเลียนแบบรูปแบบจากข้อมูลในอดีตเท่านั้น ทำให้เมื่อต้องเผชิญกับสภาวะที่ไม่เคยเกิดขึ้นมาก่อน เอไอจึงมักประสบปัญหาในการพยากรณ์ อีกทั้งเอไอยังต้องเผชิญกับ “การประมาณค่านอกช่วง” (Extrapolation) ซึ่งเป็นการทำนายเมื่อบรรยากาศเปลี่ยนไปสู่สภาวะความร้อน ความเย็น หรือลมที่อยู่นอกเหนือประสบการณ์เดิมที่ระบบเคยเรียนรู้
เมื่อนำมาเปรียบเทียบกัน พบว่าโมเดลพยากรณ์อากาศแบบดั้งเดิมสามารถเอาชนะระบบเอไอได้เกือบทุกชนิดในการพยากรณ์เหตุการณ์สุดขั้ว โดยเห็นถึงความแตกต่างมากที่สุดในการพยากรณ์ระยะสั้นเพียงไม่กี่วัน และความแม่นยำจะลดช่องว่างลงเมื่อระยะเวลาพยากรณ์ยาวนานเกินหนึ่งสัปดาห์ขึ้นไป
ผลการศึกษาพบว่า สำหรับสถิติความร้อน เอไอมักจะทำนายอุณหภูมิที่ต่ำเกินไปเมื่อเทียบกับความเป็นจริง ในขณะที่สถิติความเย็น เอไอมักจะทำนายว่าอากาศจะหนาวจัดเกินกว่าที่เกิดขึ้นจริง และข้อผิดพลาดเหล่านี้จะยิ่งเพิ่มมากขึ้นเมื่อ,uสถิติใหม่สูงกว่าสถิติเดิมมาก
นอกจากนี้ ระบบเอไอยังพยากรณ์เหตุการณ์สภาพอากาศสุดขั้วพลาดจากความจริงไปหลายครั้ง ต่างจากแบบจำลองเชิงตัวเลขสามารถตรวจจับจำนวนและตำแหน่งของเหตุการณ์ที่ทำลายสถิติได้แม่นยำกว่ามาก
ปัญหานี้ถูกระบุว่าเป็นเรื่องของ “ข้อมูลนอกขอบเขตการเรียนรู้” (Out-of-distribution) หมายความว่า โมเดลเอไอจะทำงานได้อย่างน่าเชื่อถือภายใต้เงื่อนไขที่คุ้นเคย แต่ความแม่นยำจะลดฮวบลงทันทีเมื่อข้อมูลนำเข้าไม่อยู่ในขอบเขตที่มันเคยถูกฝึกฝนมา
เซบาสเตียน เองเกลเก้ รองศาสตราจารย์จากศูนย์วิจัยสถิติ มหาวิทยาลัยเจนีวา หนึ่งในทีมวิจัยได้ให้กล่าวว่า “โมเดลทางฟิสิกส์สามารถประมาณค่านอกช่วงได้ดีกว่า เพราะพวกมันไม่ได้สนใจว่าสิ่งนี้เคยถูกพบเห็นมาก่อนหรือไม่ กฎทางฟิสิกส์นั้นเป็นความจริงไม่ว่าจะเกิดอะไรขึ้นก็ตาม” ซึ่งสะท้อนให้เห็นว่าสมการทางฟิสิกส์ที่เป็นหัวใจสำคัญของโมเดลดั้งเดิมนั้น ช่วยรักษาสมดุลของมวล พลังงาน และโมเมนตัม ทำให้โมเดลสามารถสำรวจสภาวะที่ไม่ปรกติที่ไม่เคยเกิดขึ้นมาก่อนได้อย่างมีหลักการ
ความแม่นยำในจุดนี้มีความสำคัญอย่างยิ่งต่อการตัดสินใจที่มีผลกระทบสูง เช่น การวางแผนรับมือคลื่นความร้อน การบริหารจัดการความมั่นคงของโครงข่ายไฟฟ้า หรือการเตรียมพร้อมรับมือพายุหนุนซัดฝั่ง หากผู้มีอำนาจตัดสินใจพึ่งพาเพียงการพยากรณ์จากเอไอเพียงอย่างเดียว อาจจะทำให้ประเมินอันตรายต่ำเกินไปจนเกิดความสูญเสียใหญ่หลวง
นอกจากนี้ เอไอยังมีต้นทุนด้านสิ่งแวดล้อมที่แฝงอยู่จากการใช้พลังงานและน้ำมหาศาลในศูนย์ข้อมูลเพื่อประมวลผล ซึ่งอาจเพิ่มภาระต่อระบบพลังงานได้
อย่างไรก็ตาม ทีมวิจัยยอมรับว่าโมเดลเอไอ กำลังพัฒนาไปอย่างรวดเร็วและมีข้อดีในด้านความเร็วในการประมวลผลที่เหนือกว่า ตัวอย่างที่เห็นได้ชัดคือกรณีฝนตกหนักในฮ่องกงเมื่อเดือนกันยายน 2023 ที่โมเดลฟิสิกส์ชั้นนำกลับพยากรณ์พลาด แต่โมเดลเอไออย่าง Pangu-Weather กลับสามารถบ่งชี้ถึงโอกาสที่จะเกิดฝนตกหนักล่วงหน้าได้ดีกว่า
เพื่อให้การพยากรณ์อากาศสุดขั้วปลอดภัยและแม่นยำยิ่งขึ้น นักวิทยาศาสตร์กำลังมองหาแนวทางแก้ไขหลายประการ หนึ่งในนั้นคือการฝึกฝนเอไอ ด้วยข้อมูลจำลองจากโมเดลภูมิอากาศเชิงฟิสิกส์ เพื่อให้ เอไอได้เห็นตัวอย่างของเหตุการณ์ที่หายากมากกว่าที่ประวัติศาสตร์เคยบันทึกไว้ แนวทางนี้จะช่วยอุดช่องว่างของข้อมูลในอดีตที่เอไอขาดไป และทำให้มันพร้อมรับมือกับความรุนแรงของภูมิอากาศที่กำลังเปลี่ยนแปลงไป
อีกแนวทางหนึ่งที่น่าสนใจคือการออกแบบโมเดลแบบไฮบริด (Hybrid Designs) ที่นำความเร็วและความยืดหยุ่นของการเรียนรู้ของเครื่องมาผสมผสานกับการรักษาความถูกต้องตามกฎทางฟิสิกส์ ดังเช่นโครงการ NeuralGCM ของ Google ที่กำลังนำร่องการรวมจุดแข็งของทั้งสองระบบเข้าด้วยกัน ซึ่งเองเกลเก้เชื่อว่า “การนำทั้งสองอย่างมารวมกันคือความท้าทายแห่งอนาคต และนี่คือแนวทางที่ควรจะเป็นต่อไป”
กลยุทธ์ที่ปลอดภัยที่สุดในระยะสั้น คือการรันระบบพยากรณ์อากาศแบบเอไอ ควบคู่ไปกับโมเดลเชิงตัวเลขแบบดั้งเดิม วิธีนี้จะช่วยให้นักพยากรณ์อากาศได้รับทั้งคำแนะนำที่รวดเร็วจากเอไอ พร้อมการตรวจสอบที่ตั้งอยู่บนพื้นฐานทางฟิสิกส์ที่เชื่อถือได้จากโมเดลคลาสสิก ก่อนที่จะออกคำเตือนที่เป็นอันตรายต่อชีวิตและส่งผลกระทบต่อคนนับล้าน การประสานงานระหว่างเทคโนโลยีใหม่และความรู้ทางวิทยาศาสตร์ดั้งเดิมจึงเป็นหัวใจสำคัญในการสร้างความยืดหยุ่นให้กับชุมชนท่ามกลางสภาวะโลกร้อนที่รุนแรงขึ้น
ในท้ายที่สุด บทสรุปของงานวิจัยจากมหาวิทยาลัยเจนีวาได้เน้นย้ำไว้อย่างชัดเจนว่า โมเดลที่ใช้เอไอ กำลังปฏิวัติการพยากรณ์อากาศและมีประสิทธิภาพเหนือกว่าระบบพยากรณ์อากาศเชิงตัวเลขชั้นนำในภารกิจมาตรฐานต่าง ๆ แต่ความสามารถในการอนุมานย้อนกลับและพยากรณ์เหตุการณ์สุดขั้วที่ไม่เคยเกิดขึ้นมาก่อนอย่างน่าเชื่อถือของพวกมันยังคงไม่ชัดเจน
การทำความเข้าใจข้อจำกัดเหล่านี้ไม่ได้หมายถึงการปฏิเสธเทคโนโลยี แต่เป็นการเรียนรู้ที่จะใช้เครื่องมือให้เหมาะสมกับสถานการณ์ การพยากรณ์อากาศในอนาคตจึงไม่ใช่เรื่องของการเลือกระหว่างเอไอหรือฟิสิกส์ แต่เป็นเรื่องของการสร้างพันธมิตรที่แข็งแกร่งระหว่างข้อมูลและกฎธรรมชาติเพื่อให้เราก้าวทันความแปรปรวนของโลกใบนี้ได้อย่างมั่นคงที่สุด
ที่มา: Bloomberg, Earth, The Cool Down