Các Mô Hình Trí Tuệ Nhân Tạo Giúp Dự Báo Sóng Lớn Và Dòng Chảy Đại Dương

Một nhóm các nhà nghiên cứu gần đây đã thiết kế một mô hình trí tuệ nhân tạo có khả năng dự báo các hiện tượng đại dương kéo dài hàng trăm dặm, như sóng không ổn định nhiệt đới (TIW). Sóng không ổn định nhiệt đới (TIW) là một sự kiện đại dương xảy ra trong Thái Bình Dương, gần xích đạo. Sóng TIW của Thái Bình Dương liên quan đến chuyển động của các sóng cong, hình tam giác di chuyển về phía tây dọc theo các cạnh của vùng lưỡi lạnh nhiệt đới – một khu vực của nhiệt đới đáng chú ý là lạnh hơn so với đại dương xung quanh.

Các yếu tố môi trường dẫn đến TIW rất phức tạp và hiện tượng này khó dự báo. Dự báo TIW truyền thống được thực hiện với các mô hình thống kê và vật lý phức tạp. Tuy nhiên, một nhóm các nhà nghiên cứu gần đây đã thiết kế một mô hình trí tuệ nhân tạo nhằm dự báo tốt hơn TIW và các hiện tượng đại dương khác.

Theo Phys.org, nhóm nghiên cứu do Giáo sư LI Xiaofeng của Viện Hải dương học thuộc Viện Hàn lâm Khoa học Trung Quốc (IOCAS) đứng đầu, và nhóm cũng bao gồm các thành viên từ các bộ phận khoa học đại dương khác nhau của Trung Quốc như Đại học Hải dương Thượng Hải và Viện Hải dương thứ hai của Bộ Tài nguyên Thiên nhiên. Nhóm đã sử dụng dữ liệu vệ tinh để thiết kế một mô hình học sâu nhằm phân tích các sóng không ổn định khi chúng di chuyển hàng nghìn kilômét qua đại dương. Ngay cả với dữ liệu vệ tinh toàn cầu, các yếu tố môi trường ảnh hưởng đến các hiện tượng đại dương có thể khó phân biệt, nhưng mục tiêu là các mô hình trí tuệ nhân tạo có thể làm tốt hơn việc giải mã các biến số này và đưa ra dự báo hơn so với các mô hình truyền thống.

Mô hình học sâu mà các nhà nghiên cứu thiết kế đã sử dụng dữ liệu nhiệt độ bề mặt biển thu thập bởi vệ tinh, phân tích các mẫu dòng chảy và so sánh chúng với dữ liệu nhiệt độ bề mặt thu thập trong những năm trước. Các nhà nghiên cứu đã đào tạo và thử nghiệm mô hình trên khoảng chín năm dữ liệu. Khi phân tích kết quả, các nhà nghiên cứu phát hiện ra rằng mô hình có thể dự báo chính xác và nhất quán sự thay đổi của nhiệt độ bề mặt biển và dự báo sự thay đổi theo thời gian và không gian trong TIW.

Nghiên cứu này ngụ ý rằng các mô hình trí tuệ nhân tạo được hỗ trợ bởi các tập dữ liệu lớn có thể là cách đáng tin cậy để dự báo thậm chí một số hiện tượng phức tạp nhất trong đại dương.

“Các mô hình dựa trên trí tuệ nhân tạo, mô hình thống kê và mô hình số truyền thống có thể bổ sung cho nhau và cung cấp một quan điểm mới cho việc nghiên cứu các đặc điểm đại dương phức tạp,” LI Xiaofeng giải thích theo Phys.

Hy vọng rằng khi mô hình được cải tiến và tinh chỉnh, nó sẽ giúp dự báo sóng lớn và bão, điều này có ứng dụng thực tế cho các hệ thống điều hướng đại dương và dự báo thời tiết khắc nghiệt có thể gây hại cho các thành phố ven biển. Loại nghiên cứu này đặc biệt có giá trị trong một thế giới mà biến đổi khí hậu đang thay đổi cách các dòng chảy đại dương di chuyển và tương tác với môi trường xung quanh. Nghiên cứu được thực hiện bởi LI Xiaofeng và các đồng nghiệp là một phần của xu hướng ngày càng tăng về việc sử dụng các thuật toán trí tuệ nhân tạo và dữ liệu vệ tinh để tìm hiểu và dự báo chuyển động của các dòng chảy đại dương và các hiện tượng liên quan.

Làm một ví dụ khác về việc sử dụng trí tuệ nhân tạo để theo dõi và dự báo các hiện tượng đại dương, đầu năm nay, một nhóm các nhà nghiên cứu từ Phòng thí nghiệm Hải dương Plymouth và Đại học Aegean đã công bố một nghiên cứu về cách các thuật toán học máy và dữ liệu vệ tinh có thể được sử dụng để xác định các khu vực tập trung rác thải nhựa và theo dõi sự lan rộng của nó.

Nhóm đã chụp ảnh các bức ảnh vệ tinh về rác thải nhựa và đào tạo một hệ thống nhận dạng hình ảnh để xem liệu hệ thống có thể phân biệt chính xác các mảng rác thải nhựa với gỗ, rong biển và các vật thể nổi tự nhiên khác. Theo kết quả của nghiên cứu, thuật toán đã có thể xác định đúng rác thải khoảng 86% thời gian. Các nhà nghiên cứu muốn cải tiến mô hình và tạo ra một hệ thống có thể giúp xác định và dọn sạch rác thải nhựa dọc theo bờ biển và sông.