Denizden Gökyüzüne: Microsoft’un Aurora AI Temelli Modeli Hava Tahminlerinin Ötesine Geçiyor

Yazan: Sally Beatty

Yıkıcı kasırgalar. Dev okyanus dalgaları. Kum fırtınaları ve hava kirliliğinden kaynaklanan yoğun sis. Aşırı hava olayları giderek daha sık yaşanıyor ve yalnızca can kayıplarına ve evlerin zarar görmesine değil, aynı zamanda elektrik şebekelerinin çökmesine, mahsullerin yok olmasına ve deniz taşımacılığının sekteye uğramasına neden olabilecek afetlere karşı hazırlıklı olma konusunda toplumlar üzerindeki baskısını artırıyor.

Her ne kadar güçlü yeni yapay zekâ modelleri hava durumunu daha iyi öngörmek için yeni araçlar sunsa da, Nature dergisinde yayımlanan yeni bir makale, “Aurora” olarak bilinen bir temel modelin, en yeni yapay zekâ gelişmelerini kullanarak yalnızca hava durumunu değil, aynı zamanda kasırgalar ve tayfunlardan hava kalitesine ve okyanus dalgalarına kadar geniş bir çevresel olaylar yelpazesini daha doğru şekilde tahmin edebildiğini ortaya koyuyor. Microsoft Research tarafından geliştirilen Aurora, geleneksel sayısal tahmin yöntemleri ve önceki AI yaklaşımlarıyla karşılaştırıldığında, söz konusu atmosfer olaylarını çok daha hızlı, daha doğru ve düşük hesaplama maliyetiyle öngörebiliyor.

Aurora nedir?

Temel model, çok çeşitli verilerle eğitilmiş büyük ölçekli bir yapay zekâ modeli. Aurora’nın farkı, yalnızca hava durumu tahminiyle sınırlı olmaması. Aurora’nın en önemli özelliği, baştan temel model olarak eğitilmesi ve ardından ince ayarlarla geleneksel hava tahmininin ötesine geçebilecek şekilde özelleştirilebilmesi. Geliştirme süreci boyunca araştırmacıların, Aurora’yı okyanus dalgaları ve tropikal siklon tahmini gibi farklı amaçlarla geliştirerek yalnızca atmosfer için değil, tüm yerküre sistemi için kullanılabilecek bir temel model haline getirdiği söylenebilir.

Aurora, ilk olarak uydular, radarlar, hava istasyonları, simülasyonlar ve tahminlerden elde edilen 1 milyon saatten fazla genel hava verisiyle eğitilerek birkaç saniyede tahmin üretmeyi öğreniyor. Microsoft araştırmacılarına göre bu özellik, bir AI tahmin modelini eğitmek için şimdiye kadar toplanmış en büyük atmosferik veri seti. Aurora’nın esnek mimarisi, daha sonra dalga yüksekliği ya da hava kalitesi gibi görevlerde küçük veri setleriyle yeniden eğitilmesini mümkün kılıyor.

Aurora,hava durumu ve çevresel olayların tahmini için, geniş ve çeşitli veri kümeleriyle eğitilmesinden doğan gücünü kullanıyor. Nature dergisinde yayımlanan araştırmaya göre Aurora, orta vadeli hava tahminlerinde (25 derece çözünürlükte) %91 oranında hedefte mevcut sayısal ve yapay zekâ modellerinden daha iyi performans gösteriyor. Orta vadeli tahminler, genellikle hava uygulamalarında kullanılan ve 14 güne kadar uzanan tahminleri kapsıyor.

Microsoft Research’te kıdemli araştırmacı olan ve Aurora projesinde görev yapan Megan Stanley, bu çeşitlilikteki veri kaynaklarının yalnızca genel doğruluğu artırmakla kalmayıp, aşırı hava olaylarını tahmin etme kabiliyetini de güçlendirdiğini belirtiyor. Microsoft, atmosferik tahmin alanında ilerlemeyi desteklemek amacıyla Aurora’nın kaynak kodunu ve model ağırlıklarını geliştiricilerin indirip kullanabilmesi için kamuya açtı. Aurora ayrıca, Microsoft’un en güncel yapay zekâ araştırma ve deney platformu olan Azure AI Foundry Labs’te de yer alıyor. Bu platform, farklı sektörlerden geliştiricilerin yeni imkânları keşfetmesine ve karmaşık problemleri çözmesine olanak tanıyor.

Bunun yanı sıra, MSN Weather da artık Aurora’nın gelişmiş yapay zekâ modellemesini kullanıyor. MSN Weather ekibi, saatlik tahminler üretebilen ve yağış ile bulut gibi ek hava parametreleri içeren özel bir Aurora versiyonu geliştirerek kullanıcılarına daha doğru ve güncel tahminler sunuyor.

Kasırgaların daha doğru tahmini

2023 Temmuz’unda Doksuri tayfunu Filipinler’i vurduğunda büyük yıkımlara neden oldu; geniş bir alanı etkileyen sel baskınları ve elektrik kesintileri yaşandı. Ortak Tayfun Uyarı Merkezi (PGTW), tayfunun Tayvan üzerinden geçeceğini tahmin etti. Ancak Aurora, Doksuri’nin Kuzey Filipinler’de toprak kaymasına sebep olacağını %100 isabetle öngördü. Nature dergisinde bildirildiği üzere, Aurora bu tayfunun Filipinler’i vuracağını olaydan dört gün önce doğru tahmin etti. Resmî tahminler ise tayfunun Kuzey Tayvan kıyısında kalacağını öngörmüştü.

Bu son araştırmada Aurora, tropikal kasırga yollarını 5 günlük süreçte tahmin etme konusunda Ulusal Kasırga Merkezi’ni geride bıraktı. Bu durum, bir makine öğrenimi modeli için bir ilk. Ayrıca Aurora, 2022-2023 kasırga sezonunda dünya çapındaki yedi büyük tahmin merkezinin tamamından daha iyi performans gösterdi. Aurora’nın bu başarıları, modelin geniş ve çeşitli veri kümeleriyle eğitilmesinin ne kadar önemli olduğunu ortaya koyuyor.

Hava kalitesini düşük maliyetle tahmin etmek

13 Haziran 2022’de Irak’ta meydana gelen yıkıcı kum fırtınası, o yıl ülkede yaşanan benzer on fırtınadan biriydi. Bu fırtınalar; şiddetli kuraklık, toprak bozulması ve yüksek sıcaklıkların birleşiminden kaynaklandı. Fırtına, başkent Bağdat ve çevresini yoğun toz bulutlarıyla kapladı, binlerce kişi solunum sorunları nedeniyle hastaneye kaldırıldı ve yerel havalimanı kapatıldı.

Nature makalesinde yer alan başka bir örnekte, Aurora’nın bu fırtınayı bir gün önceden ve geleneksel hava kalitesi tahmin sistemlerine kıyasla çok daha düşük bir maliyetle doğru şekilde öngörebildiği belirtiliyor. Bu başarı, hava kalitesi verilerinin sınırlı olmasına rağmen elde edildi çünkü model, önce büyük ve çeşitli bir veri kümesinden öğreniyor ve daha sonra daha az miktarda hava kalitesi verisiyle ince ayar yapılabiliyor.

Araştırmacılar, hava kalitesi tahmininin bu ölçekte yapılmasının, hava tahmini yapmaktan çok daha karmaşık ve kaynak tüketici olduğunu söylüyor. Bunun nedeni, hava kalitesi tahmininin; karmaşık kimyasal reaksiyonları ve insan faaliyetlerinin neden olduğu küresel emisyon seviyelerini hesaba katması.

Daha hassas dalga tahminleri

Aurora artık okyanus dalgalarının yüksekliği ve yönü gibi detayları daha hassas biçimde tahmin etme konusunda da öne çıkıyor. Bu durum, Aurora’yı özellikle Tayfun Nanmadol gibi büyük deniz olaylarının ilerleyişini tahmin etmek için ideal kılıyor. Nanmadol, Eylül 2022’de Japonya’yı vurdu ve o yılın en şiddetli tayfunuydu. Yoğun yağış nedeniyle rekor düzeyde toprak kayması ve sel baskınları yaşandı. Güney Kore’ye kadar uzanan elektrik kesintileri meydana geldi.

Başka bir testte Aurora, bir yıl süren dalga aktivitesi karşılaştırmalarında mevcut tahmin sistemleriyle %86 oranında eşit veya daha iyi performans sergiledi. Bu sayede tayfunların ürettiği dalga yüksekliklerini, mevcut en iyi tahmin modellerinden daha doğru şekilde tahmin edebildi. Araştırmacılar, bu başarının özellikle dikkat çekici olduğunu belirtiyor çünkü dalga tahmini için gerekli veriler yalnızca 2016 yılından itibaren mevcut. Bu da Aurora’nın, çok az miktarda ek veriyle etkileyici tahminler yapabildiğini gösteriyor.

Hız ve doğruluk

Aurora, farklı kaynaklardan gelen büyük veri hacimlerini anlamlandırabilmek için esnek bir “kodlama mimarisi” kullanıyor. Bu yapı, ham verileri modelin tahminler yapabileceği standart bir forma dönüştürüyor. Araştırmacılar, Aurora’nın nasıl çalışması gerektiğine dair katı kurallar tanımlamaktan bilinçli olarak kaçındı. Stanley bu durumu şöyle açıklıyor: “Değişkenlerin nasıl etkileşmesi gerektiğine dair sıkı kurallar koymuyoruz. Bunun yerine büyük bir derin öğrenme modeline en faydalı olanı öğrenme esnekliği tanıyoruz. Derin öğrenmenin bu tür simülasyon problemlerindeki gücü burada ortaya çıkıyor”.

Aurora’nın ilk eğitimi maliyetli olsa da, çalışır hâle geldikten sonra operasyonel maliyeti geleneksel hava tahmin sistemlerine göre oldukça düşük. Nature yazarları, modelin yüksek bant genişliğine sahip grafik işlemcileri (GPU) ile saniyeler içinde tahminler üretebildiğini belirtiyor. Bu, geleneksel sistemlerin süper bilgisayarlarda saatler süren hesaplamalarıyla kıyaslandığında yaklaşık 5 bin kat daha hızlı.

Aurora’nın geleceği

Aurora’nın ilk sonuçları, akademi ve sanayi çevrelerinde — hava tahmini organizasyonları, enerji şirketleri ve emtia yatırımcıları dâhil — büyük ilgi uyandırdı. Yağmur tahmini, tarım lojistiği ve enerji altyapısının korunması gibi konulara nasıl adapte edilebileceği merak ediliyor. Aurora, Avrupa Orta Vadeli Hava Tahmin Merkezi’nin (ECMWF) web sitesinde de araştırmacıların, meteorologların ve hava tahmini profesyonellerinin kullanımına açık. Microsoft makine öğrenimi araştırmacısı ve Aurora ekibi üyesi Wessel Bruinsma, her bir ince ayar sürecinin yalnızca 4 ila 8 hafta sürdüğünü belirtiyor ve “Bu süreyi geleneksel sayısal model geliştirme süreçleriyle karşılaştırın; genellikle yıllar sürer” diyor.

Aurora’nın mevcut tahmin sistemlerini tamamen değiştirmeyeceğini, onları tamamlayacağını düşünen Stanley ise, “Aurora belirli görevler için hassas ayarlarla özelleştirilebildiği için büyük etki potansiyeline sahip. İster yerel düzeyde yüksek çözünürlükte, ister taşkın modellemesi olsun, özellikle başka hava tahmini altyapısı olmayan ülkelerde her ihtiyaca uyarlanabilir. Aurora’nın fiziği ne kadar doğru öğrendiğine dair hâlâ üzerinde çalışılması gereken çok ilginç araştırma başlıkları var. Ama gerçekten doğru öğreniyorsa, bu model farklı iklim koşullarında da sağlam tahminler üretebilir. Bu türünün ilk örneği, fakat sonuncusu olmayacak” diyor.