Felhővadászat a levegőben
2008 októberében Chris Bretherton felszállt egy C-130-as repülőgéppel Chile partvidékénél. A gép színültig volt műszerekkel, sőt, a szárnyak is tele voltak szenzorokkal. A kutató fő feladata az volt, hogy adatokat gyűjtsön a jég, a vízpára és a légnyomás változásairól. Terve az volt, hogy ezzel az adathalmazzal – és hasonló repülések során Kalifornia, Hawaii és az Antarktisz felett – közelebb kerüljön a klímatudomány egyik legravaszabb problémájához: a felhők szerepéhez.
A repülések során újra és újra olyan szokatlan felhőformákkal találkozott, amelyek folyamatosan megkérdőjelezték a kutatók előzetes elméleteit. Bretherton eközben rádöbbent: a levegő néha annyira tiszta, hogy a felhők szokatlanul nagy cseppekké kondenzálódnak, még ha kevesebb részecske is áll hozzá rendelkezésre.
Azóta majdnem húsz év telt el, a Föld hőmérséklete körülbelül fél Celsius-fokkal nőtt. De a felhők, amelyek egyszerre verik vissza a napsugarakat és tartják vissza a hőt, a mai napig az éghajlati előrejelzések legnagyobb bizonytalanságát jelentik. A szuperszámítógépek sem képesek még valósághűen szimulálni a felhők viselkedését komplett, nagy léptékű modellekben. Ezért a klímatudósok kerülőutakat keresnek: hogyan lehetne a felhőmentes vagy csak foltokban felhős klímamodelljeiket minél valósághűbben „felhőssé tenni”, kompromisszumokkal, trükkökkel.
A felhők digitális könyvtára
Az emberiség CO2-kibocsátása alapján a jelenlegi modellek szerint 50 éven belül 2–6 Celsius-fok közötti melegedés várható. Hatalmas a szórás; ennek több mint a fele a felhőmodellezés bizonytalanságaiból ered. Néhány százaléknyi pontatlanság a felhőtakarással kapcsolatban több fok eltérést jelenthet a hőmérsékleti előrejelzésekben.
Tapio Schneider, a Kaliforniai Műszaki Intézet klímafizikusa, a CLIMA nevű következő generációs modellt fejleszti, amely hagyományos fizikai egyenleteket és modern MI-megoldásokat ötvöz. 2022-ben az Egyesült Államok Energiaügyi Minisztériuma a világ legnagyobb szuperszámítógépén, a Frontieren futtatott le egy új csúcsmodellt. Habár a Navier–Stokes-egyenleteken alapuló fizikai leírások egyre részletesebbek, a valódi felhőszerkezetek szimulációjához a mostaninál százmilliárdszor több számítási kapacitásra lenne szükség.
Vagyis a fizikusok kellően pontos adatok híján úgynevezett „paramétereket” illesztenek a modellekbe, kvázi intuíció alapján finomítva a leskálázott légköri áramlásokat. Ez viszont bizonytalan és nehezen objektívvé tehető folyamat. Schneider ezért hozta létre a CLIMA-szövetséget 2019-ben; célja, hogy MI segítségével automatizálják a paraméterválasztást, és ehhez rengeteg, különféle felhőtípusról szóló adatot gyűjtsenek.
Mivel a valódi felhők tanulmányozása csak korlátozottan kivitelezhető, a kutatók ún. nagyörvény-szimulációkat (large-eddy simulation, LES) futtatnak. Ezek képesek részletesen modellezni a felhők viselkedését egy adott térben és rövid időintervallumban, ám nagyon erőforrásigényesek. Schneider ezért a Google kutatóival hozott létre egy úttörő felhőszimulációs könyvtárat: több mint 8000 digitális felhőmodellt készítettek 500 csendes-óceáni helyszín mind a négy évszakában. Ezek alapján MI-t tanítottak a legjobb paraméterek kiválasztására – a CLIMA ezzel kétszer pontosabb előrejelzést képes adni, mint bármely más rendszer.
Új utak: amikor az MI elhagyja a fizikát
Mindeközben Bretherton is belefáradt abba, hogy a fizikai modellek nem képesek kellő pontossággal visszaadni a felhők bonyolultságát. Kíváncsi lett, lehetne-e teljesen elhagyni a Navier–Stokes-egyenleteket, és kizárólag valós adatokat használva tanítani MI-algoritmusokat. Az időjárás-előrejelzésből vette az inspirációt: ott a kutatók már sikerrel alkalmazzák a mesterséges neurális hálókat, amelyek a jelenlegi állapotból előállítják a következő „képkockát”, majd a következőt, újra és újra. Így olyan filmhez hasonló szimulációkat alkotnak, amelyek egyre pontosabbak.
2024-ben Bretherton és kollégái elkészítették az ACE2 nevű, harmadik generációs klíma-MI-t, amely ötven év időjárási adatain tanult. Ez a rendszer a felhők tényleges viselkedését is tükrözi előrejelzéseiben. A Brit Meteorológiai Szolgálat például 23 éven keresztül tesztelte: az ACE2 képes volt előre jelezni a globális hőmérsékletet és csapadékmennyiséget éppúgy, mint a legjobb fizikaalapú szimulációk – de néhány perc alatt, míg utóbbiakhoz órák kellettek egy szuperszámítógépen.
Kihívások és lehetőségek
Vagyis a fő kérdés: az MI-alapú megközelítés képes-e hosszú távon megbízható előrejelzést adni? A neurális hálók kiválóan utánozzák a tanulási adatok mintáit, de a klíma előrejelzésénél számos, előre soha nem látott helyzetet kell megjósolni. És idővel a kicsi hibák összeadódhatnak.
A kutatók szerint attól függetlenül, hogy ki melyik módszert preferálja, mindannyian a pontosabb előrejelzés kollektív célja felé tartanak. Mostanra MI-vel akár százszor gyorsabban is lefuttathatók az új szimulációk, így gyorsabban feltérképezhető, melyek a legvalószínűbb jövőbeli forgatókönyvek, és melyek a szélsőséges, de nem kizárt esetek.
A mindennapi életben ezek az eredmények egyelőre nem hoznak látványos változást, de a klímakutatóknak forradalmiak. Az már biztos: a következő generációs klímamodellek, amelyekben a felhők is pontosabban jelennek meg, leszámolnak a múlt bizonytalanságaival. Hogy az egyre pontosabb előrejelzések valóban cselekvésre késztetik-e az emberiséget – ezt még a legfejlettebb MI sem jósolja meg.
