Google DeepMind, Nature dergisinde yayımlanan makalesiyle WeatherNext adlı yapay zeka modelinin tropikal siklonların (kasırga, tayfun) izini, şiddetini ve rüzgar yapısını tahmin etmede önemli bir ilerleme kaydettiğini duyurdu. Modele göre, üç günlük tahminler, önceki modellerin yalnızca iki gün için sağlayabildiği doğrulukta. Bu, meteorolojide yaklaşık on yıllık bir ilerlemeye denk geliyor.
Tropikal siklonlar, son 50 yılda küresel çapta 700.000'den fazla ölüme ve 1,4 trilyon dolarlık ekonomik kayba yol açtı. Her saatin kritik olduğu bu tahminlerde, WeatherNext'in sağladığı ek gün, tahmincilere önemli bir avantaj sunuyor.
Model, Google DeepMind ve Google Research araştırmacıları ile ABD Ulusal Kasırga Merkezi (NHC), Atmosfer Araştırmaları İşbirliği Enstitüsü (CIRA), İngiltere Meteoroloji Ofisi ve dünya genelindeki hava durumu kurumlarının uzmanlarıyla iş birliği içinde geliştirildi.
Gerçek dünya etkisi de görüldü: 2025 kasırga sezonunda model, NHC'nin Melissa Kasırgası'nın hızla şiddetlenmesini ve Jamaika'ya karaya ulaşmasını öngörmesine yardımcı oldu. Bu sayede ekipler önceden hazırlık yapabildi. Bu yıl ise model, her siklon için 1.000 olası senaryo üreterek tahmincilere karar destek sağlıyor.
WeatherNext nasıl çalışıyor?
WeatherNext, tek bir model olarak hem küresel hava durumunu hem de siklonların ince ölçekli izlerini 15 güne kadar tahmin edebiliyor. 1.000 üyeli bir topluluk (ensemble) çalıştırarak tropikal fırtına ve kasırga kuvvetindeki rüzgarların olasılık haritalarını üretiyor.
Geleneksel yöntemlerde, siklonun izini (nereye gittiğini) belirleyen büyük ölçekli atmosferik akımlar ile şiddetini (ne kadar güçlendiğini) belirleyen yerel, ince ölçekli termodinamik süreçler farklı modellerle tahmin ediliyordu. WeatherNext bu iki yaklaşımı tek bir modelde birleştiriyor.
Model, yaklaşık 20 terabayt küresel atmosfer verisi ve yaklaşık 5.000 tarihsel fırtınayı içeren IBTrACS veritabanıyla eğitildi. Eğitimde, belirsizliği yakalamak için Fonksiyonel Üretken Ağlar (FGN) kullanılıyor. Model, 15 günlük bir tahmini bir TPU üzerinde bir dakikadan kısa sürede üretebiliyor.
Dikkat çekici bir bulgu ise modelin yalnızca 28x28 km çözünürlükteki verilerle çalışması; bu, geleneksel modellerden 100 kat daha kaba. Daha da kaba çözünürlükte (111x111 km) çalışan WeatherNext 2-mini versiyonu da iyi performans gösteriyor. Bu durum, bilim insanlarını şaşırtıyor ve araştırma konusu olmaya devam ediyor.
Açık kaynak ve erişim
Google DeepMind, Nature makalesinin yanı sıra WeatherNext Cyclones ve WeatherNext 2 modellerinin kodunu ve ağırlıklarını açık kaynak olarak yayımladı. Ayrıca, tek bir TPU'da çalışabilen WeatherNext 2-mini, ücretsiz bir Colab not defteriyle kullanıma sunuldu. Güncellenen Weather Lab arayüzüyle de siklon tahminleri ve küresel hava durumu görselleştirmeleri yapılabiliyor.
Neden önemli
WeatherNext'in açık kaynak yapılması, meteoroloji araştırmalarını hızlandırabilir. Özellikle gelişmekte olan ülkelerdeki yerel tahmin kurumları, bu teknolojiyi kendi bölgelerine uyarlayarak doğal afetlere karşı hazırlık sürelerini artırabilir. Modelin düşük çözünürlükle çalışması, hesaplama maliyetlerini düşürerek daha geniş bir kullanıcı kitlesine erişim sağlıyor. Ayrıca, yenilenebilir enerji üretiminin planlanması ve aşırı hava olaylarının öngörülmesi gibi alanlarda da etkili olabilir. Ancak, modelin bu kadar kaba çözünürlükte nasıl bu kadar doğru tahminler yapabildiği hâlâ açık bir soru; bu sorunun yanıtlanması, gelecekteki iyileştirmeler için önem taşıyor.
