Model Fengwu mencatat selisih sekitar 30 kilometer dan 30 menit saat memperkirakan lokasi serta waktu dampak Topan Dolphin di China. Prediksi itu disebut telah tersedia lima hari sebelum badai mencapai daratan.
Hasil tersebut memperlihatkan nilai utama AI dalam menghadapi topan, yakni mempercepat pembacaan jalur ancaman. Akan tetapi, teknologi ini belum memiliki ketepatan setara model tradisional dalam menghitung kekuatan badai.
Waktu Tambahan untuk Mitigasi
Ketepatan lokasi pendaratan dan waktu kedatangan badai dapat membantu pemerintah menentukan langkah evakuasi lebih awal. Informasi ini juga berguna untuk menyiapkan respons terhadap banjir serta gangguan pada transportasi dan rantai pasok.
Risiko tersebut menjadi penting karena topan dapat mengancam keselamatan jutaan penduduk di kawasan pesisir China. Dalam kondisi cuaca ekstrem, perubahan kecil pada proyeksi jalur dapat berpengaruh besar terhadap keputusan mitigasi.
Fengwu digunakan secara industrial oleh Techwind dan dikembangkan Shanghai AI Laboratory. Model ini mempelajari pola dari data pengamatan cuaca historis untuk menghasilkan prakiraan dalam waktu singkat.
Metode tersebut berbeda dengan prakiraan numerik yang selama puluhan tahun digunakan untuk mensimulasikan fisika atmosfer melalui komputer super. AI menawarkan proses lebih cepat dan biaya komputasi lebih rendah, tetapi belum dapat menggantikan pendekatan fisika secara penuh.
Tiga Model AI dari China
| Model | Pengembang | Fokus informasi |
|---|---|---|
| Fengwu | Shanghai AI Laboratory | Telah diterapkan oleh Techwind |
| Pangu | Huawei | Prakiraan cuaca berbasis AI |
| Fuxi | Universitas Fudan | Prakiraan cuaca berbasis AI |
Menurut CNBC Indonesia, China termasuk salah satu negara yang aktif dalam persaingan global untuk meningkatkan ketepatan prakiraan cuaca dengan AI. Sejumlah lembaga riset dan perusahaan teknologi di negara itu mengembangkan sistem untuk membantu analisis cuaca ekstrem.
Fengwu menjadi salah satu model yang paling diperhatikan karena kinerjanya dalam prakiraan global jangka menengah. Pengembangnya melaporkan sistem tersebut mengungguli GraphCast pada sekitar 80% variabel cuaca yang dievaluasi.
Model itu juga disebut mampu memperpanjang prakiraan global yang akurat hingga lebih dari 10 hari. Kemampuan tersebut dapat memberi waktu lebih panjang untuk membaca risiko sebelum ancaman cuaca ekstrem mendekat.
Kepercayaan Publik Membutuhkan Bukti
Sun Zhi, CTO Techwind, mengatakan kepercayaan terhadap prakiraan jangka panjang tidak dapat dibangun secara instan. Ia menilai teknologi perlu dibuktikan secara ilmiah selama bertahun-tahun, terutama untuk prediksi fenomena iklim besar.
Sun mencontohkan tantangan dalam meramal El Niño maupun dampak perubahan suhu permukaan laut pada siklus pembiakan ikan. Keterbatasan itu membuat hasil AI masih perlu dibaca bersama model konvensional ketika keputusan bergantung pada intensitas badai.
Persaingan teknologi ini juga mencakup GraphCast dan GenCast milik Google, FourCastNet yang didukung Nvidia, serta AI Forecasting System milik European Centre for Medium-Range Weather Forecasts. Kehadiran berbagai sistem tersebut menguatkan arah penggunaan prakiraan gabungan, dengan AI untuk kecepatan dan model fisika untuk penilaian yang lebih matang.
Musim topan di Asia Timur akan menjadi ujian penting bagi penerapan model-model itu di lapangan. Manfaat terbesarnya saat ini terletak pada tambahan waktu untuk bertindak, sementara akurasi kekuatan badai masih terus dikembangkan.
