Fast Company Türkiye
İngiliz matematikçi Lewis Fry Richardson, bundan bir asır önce o dönem için şaşırtıcı sayılabilecek bir fikir önermişti: Hava durumu tahmini yapabilmek için matematiğe dayalı sistematik bir süreç kurmak. Richardson, 1922 tarihli “Sayısal Süreçle Hava Tahmini” adlı kitabında, atmosferin dinamiklerini çözmek için kullanabileceği bir denklem yazmaya çalıştı. İşe yaramadı çünkü o zamanlar atmosfer hakkında yeterince şey bilinmiyordu. “Gelecekte bir gün, hesaplamaları havanın ilerleyişinden daha hızlı ve elde edilen bilgiler sayesinde daha düşük bir maliyetle ilerletmek mümkün olacak. Ama bu bir rüya” diye bitirdi Richardson.
Bir yüzyıl sonra, modern hava tahminleri, Richardson’ın hayal ettiğinden bile daha doğru hale geldi. Günümüzde, 2 gün önceden yapılan şiddetli yağış tahmini, 1990’ların ortalarında aynı gün için yapılan tahmin kadar iyi. Kasırgaların tahmin edilen rotasında yapılan hatalar da son 30 yılda yarı yarıya azaldı. Ancak hâlâ büyük zorluklar var. Kasırga, şiddetli dolu veya aşırı yağmura neden olan gök gürültülü fırtınaları tahmin etmek hâlâ zor. Hem bir de karmaşık süreçlerdeki küçük değişikliklerin havayı daha az tahmin edilebilir hale getirmesi olarak tanımlayabileceğimiz ‘kelebek etkisi’ var. Kaos, kesin tahminler yapma yeteneğimizi yaklaşık 10 günle sınırlıyor.
Diğer bilimsel alanlarda olduğu gibi, yapay zeka ve makine öğrenimi gibi teknolojilerin yaygınlaşması, hava tahmini için büyük umutlar vaat ediyor. Colorado Eyalet Üniversitesi’nden iklimbilimci ve atmosfer bilimi uzmanı Doçent Russ Schumacher ile araştırma asistanı Aaron Hill’in yüksek etkili hava tahminlerine makine öğrenimini uygulama konusunda 2017 ve 2021 yılları arasında yaptığı ve özellikle yoğun yağışlara odaklanan çalışması da bu yönde sonuçlar verdi. Ancak yine de bilim insanları, yapay zeka teknolojilerinin hava tahminleri için yeni olanaklar sunarken, işin birçok bölümünün deneyimli kişiler tarafından daha ustaca ele alındığına da inanıyor.
YAPAY ZEKA SÜREYİ KISALTIYOR
Bugün hava tahmincilerinin birincil araçları sayısal hava tahmini modelleri. Bu modeller, hava istasyonları, hava balonları ve uydular gibi kaynaklardan gelen atmosferin mevcut durumunun gözlemlerini kullanıyor ve havanın hareketini yöneten denklemleri çözüyor. Bu modeller çoğu hava sistemini tahmin etmede olağanüstü ancak bir hava olayı ne kadar küçükse, tahmin etmek o kadar zorlaşıyor. Örneğin, şehrin bir tarafında şiddetli yağmur yağdıran ve diğer tarafında tek bir damla bile düşmesine neden olmayan bir fırtına düşünün. Deneyimli tahminciler, hava durumu bilgisini önceki bilgileriyle sentezleyerek gerçeğe çok yakın tahminler yapıyorlar ancak yine de hafızaları sonsuz değil. Yapay zeka bu zorluklarda yardımcı olabiliyor. Zaten meteorologlar, bu yeni araçları, kullandıkları sayısal modellerin sağlayamadığı yüksek etkili hava tahminleri yapmak da dahil olmak üzere, şu anda çeşitli şekillerde kullanıyor.
İNSANIN KRİTİK ROLÜ
Makine öğrenimi hava tahmin modellerinin sonuç olarak geleneksel olanların yerini alması mümkün. Bu yeni sistemler, sayısal modellerin yaptığı gibi bir dizi karmaşık denklemi çözmek yerine, hava sistemlerinin nasıl davranma eğiliminde olduğunu öğrenmek için binlerce geçmiş hava durumu haritasını işliyor ve ardından, geçmişten öğrendiklerine dayanarak tahminler yapıyor. Ancak bu yeni araçlar insanların önemsediği yerel havanın ayrıntılarını henüz tahmin etmiyor.
Ayrıca sayısal hava durumu tahmin modellerinin aksine, makine öğrenimini kullanan tahmin sistemleri, atmosferi yöneten fiziksel yasalarla kısıtlanmıyor. Bu nedenle, gerçekçi olmayan sonuçlar üretebilmeleri de mümkün. Örneğin son derece olağandışı veya benzeri görülmemiş hava olayları sırasında nasıl performans gösterecekleri belirsiz.
Sonuç olarak yapay zekanın şimdilik hava tahmincilerin işlerini ellerinden almayacağı açıkça görülüyor. İnsan tahmincilerin işlerini daha verimli yapmasını ve rutin tahminler oluşturmaya daha az zaman harcamasını sağlayacak.
