DeepMind cho biết AI của họ có thể dự đoán bão sớm hơn các đơn vị khác

Victoria Turk Khoa học Ngày 6/8/2026 12:23 CH DeepMind tuyên bố AI của họ có thể dự báo bão sớm hơn các mô hình khác Mô hình WeatherNext, sẽ được cung cấp mã nguồn mở, có thể dự báo chính xác cả đường đi và cường độ của bão bằng cách sử dụng dữ liệu thời tiết độ phân giải thấp hơn. Các nhà nghiên cứu vẫn chưa hiểu đầy đủ cách thức hoạt động của mô hình này. Ảnh minh họa: Wired Staff; Getty Images; Google DeepMind Tải bình luận Lưu câu chuyện này Tải bình luận Lưu câu chuyện này Vào tháng 10/2025, một cơn bão hình thành trên Biển Caribe. Các mô hình thời tiết đưa ra những dự báo khác nhau về quỹ đạo của nó. Liệu nó sẽ duy trì cường độ yếu và đổ bộ vào Haiti, hay sẽ mạnh lên và hướng tới Jamaica? Mô hình trí tuệ nhân tạo WeatherNext, được phát triển bởi Google DeepMind và Google Research, đã dự báo khả năng thứ hai. Năm ngày trước khi đổ bộ, mô hình này dự đoán với độ tin cậy 80% rằng hệ thống bão sẽ đổ bộ vào Jamaica với cường độ bão cấp 5. Bão Melissa đã gây ra thảm họa, gây lũ lụt và sạt lở đất trên khắp Jamaica. Tuy nhiên, mô hình AI đã giúp các nhà dự báo đưa ra cảnh báo sớm hơn cho các cộng đồng nằm trên đường đi của bão, giúp họ chuẩn bị tốt hơn. Trong một bài báo được công bố vào thứ Năm trên tạp chí Nature, các nhà nghiên cứu đã chỉ ra rằng mô hình AI WeatherNext có thể dự báo các cơn bão nhiệt đới với độ chính xác chưa từng có. Trung bình, nó cung cấp cho các nhà dự báo thêm một ngày cảnh báo so với các mô hình hiện có; điều này có nghĩa là các dự báo ba ngày của nó chính xác như các dự báo hai ngày của các mô hình trước đây. Trên thực tế, một ngày thêm đó có thể tạo ra sự khác biệt lớn. “Ngay cả vài giờ cũng có thể tạo ra sự khác biệt,” Mike Brennan, giám đốc Trung tâm Bão Quốc gia Hoa Kỳ, cho biết. Tổ chức sơ tán, chuẩn bị vật tư và điều động nguồn lực để ứng phó với nguy cơ bão đều là những nhiệm vụ nhạy cảm về thời gian – và đưa ra quyết định sai lầm có thể gây ra hậu quả lớn. “Thời gian thực sự quý giá khi đưa ra những quyết định đó, vì vậy khả năng nâng cao độ chính xác dự báo thêm một ngày so với những gì chúng ta đã làm được trước đây là rất có giá trị,” ông nói. Theo các nhà nghiên cứu, trong lịch sử, việc đưa ra dự báo sớm hơn một ngày sẽ mất một thập kỷ làm việc. Mô hình hóa các sự kiện cực đoan có thể là một thách thức đối với AI. Học máy (machine learning) đòi hỏi dữ liệu huấn luyện dồi dào để đưa ra các dự đoán trong tương lai, nhưng các sự kiện cực đoan về bản chất là những sự kiện hiếm gặp. “Chúng tôi không có nhiều dữ liệu về bão, nhưng chúng tôi có rất nhiều dữ liệu thời tiết,” Ferran Alet, nhà khoa học nghiên cứu tại Google DeepMind và là một trong những tác giả chính của bài báo, cho biết. “Vì vậy, những gì chúng tôi đã làm là huấn luyện một mô hình để vừa giỏi về thời tiết vừa giỏi về bão.” Bão đặc biệt khó dự đoán vì chúng hoạt động ở nhiều quy mô không gian khác nhau, Kate Musgrave, trưởng nhóm bão nhiệt đới tại Viện Hợp tác Nghiên cứu Khí quyển và là tác giả của bài báo, cho biết. Dự đoán đường đi của bão – hướng di chuyển của nó – đòi hỏi dữ liệu về thời tiết trên quy mô toàn cầu, thu thập thông tin như vị trí của các khối khí lạnh và gió thịnh hành. Tuy nhiên, dự đoán cường độ bão đòi hỏi dữ liệu quy mô nhỏ hơn nhiều, tập trung cụ thể vào các điều kiện khí quyển và đại dương cục bộ. Ông Musgrave cho biết: “Đó là điều mà chúng ta không thể có được từ các mô hình toàn cầu này”. Trong khi các mô hình AI trước đây đã làm tốt việc dự đoán đường đi của một cơn bão, thì “cường độ lại không thể dự đoán tốt chút nào”. Việc dự đoán cả hai yếu tố này là rất quan trọng: Sự thay đổi về cường độ có thể tạo ra sự khác biệt giữa một cơn bão tương đối yếu và một cơn bão lớn. Đôi khi – như trường hợp của Bão Melissa – một hệ thống bão có thể tăng cường nhanh chóng, phát triển thành tình huống khẩn cấp chỉ sau một đêm. Melissa đánh dấu lần đầu tiên Trung tâm Bão Quốc gia có thể dự đoán một cơn bão cấp 5 khi cơn bão mới ở cấp 1. Trước khi mô hình WeatherNext được sử dụng trong các dự báo trực tiếp, các nhà nghiên cứu đã thử nghiệm nó trên dữ liệu hồi cứu. Ông Musgrave cho biết: “Kết quả tốt đến mức chúng tôi hoài nghi rằng liệu chúng tôi có thực sự thấy điều đó trong bản trình diễn thời gian thực hay không”. Nhưng khi các nhà dự báo bắt đầu áp dụng mô hình này vào hoạt động của họ, hiệu suất này vẫn được duy trì. Ông Musgrave nói: “Tôi nghĩ mọi người đều ngạc nhiên về mức độ hiệu quả của nó”. Ngay cả các nhà nghiên cứu của DeepMind làm việc trên mô hình cũng không hiểu đầy đủ cách mô hình AI tạo ra các dự đoán chính xác như vậy, vì nó sử dụng dữ liệu khí quyển có độ phân giải thấp hơn nhiều so với yêu cầu của các mô hình truyền thống để dự báo cường độ bão. Ông Alet cho biết: “Khi chúng tôi nói với cộng đồng rằng mô hình của chúng tôi chỉ sử dụng độ phân giải tương đối thô, họ đã bị sốc, bởi vì điều đó có nghĩa là các đầu vào có độ phân giải thấp thu được nhiều tín hiệu về những gì sẽ xảy ra hơn so với những gì đã tin trước đây”. Mô hình AI chắc hẳn đang thu thập được điều gì đó trong dữ liệu có độ phân giải thấp cho phép nó đưa ra dự đoán về cường độ bão, nhưng các nhà nghiên cứu không biết đó là gì. Ông Alet nói: “Cuối cùng thì đó là một hộp đen, nhưng điều đó cho các nhà vật lý một tín hiệu rằng có điều gì đó đang xảy ra mà trước đây chưa được hiểu rõ”. Mô hình không chỉ đưa ra một dự đoán; nó tạo ra một loạt các kịch bản tiềm năng cho một cơn bão đang phát triển. Điều này giúp nắm bắt mọi “hiệu ứng cánh bướm” tiềm ẩn, ông Alet nói, trong đó một độ lệch nhỏ so với xu hướng có thể dẫn đến những thay đổi lớn hơn nhiều trong tương lai. Các nhà dự báo có thể sử dụng các kết quả này, cùng với các kết quả của các mô hình khác, để đưa ra dự đoán về cách một hệ thống bão có thể diễn biến. Năm ngoái, mô hình AI đã tạo ra 50 kịch bản cho mỗi cơn bão; hiện tại, nó tạo ra 1.000 kịch bản. Ông Musgrave nói: “Đó là điều mà với sức mạnh tính toán của chúng tôi, chúng tôi đơn giản là không thể làm được với các mô hình số hiện có của mình”. Ông Brennan cho biết mô hình của DeepMind là một công cụ mới tuyệt vời trong hộp công cụ của các nhà dự báo nhưng nhấn mạnh rằng nó là một trong nhiều công cụ. Ông nói: “Không có gì đảm bảo rằng một mô hình, vì nó đã hoạt động tốt vào năm ngoái hoặc thực sự hoạt động tốt cho cơn bão cụ thể này, nhất thiết sẽ là mô hình tốt nhất cho mùa tiếp theo hoặc cơn bão tiếp theo”. Ông nói thêm, yếu tố con người vẫn rất quan trọng. Ông nói: “Một cơn bão không chỉ là một dự báo về đường đi hoặc cường độ”. “Nó đòi hỏi các chuyên gia phải chuyển đổi điều đó thành những tác động sẽ xảy ra”.