Thưa ông được biết Cục Khí tượng Thuỷ văn (KTTV) bắt đầu thí điểm ứng dụng trí tuệ nhân tạo trong cảnh báo, dự báo thời tiết, thiên tai. Ông có thể chia sẻ cụ thể về việc thí điểm này như thời gian, phạm vi, quy mô, kết quả ban đầu?
Ông Mai Văn Khiêm: Trong những năm gần đây, nhu cầu của xã hội đối với thông tin khí tượng thuỷ văn ngày càng cao, không chỉ dừng ở mức dự báo định tính mà còn yêu cầu phải định lượng, chi tiết và phù hợp với từng lĩnh vực ứng dụng.
Với bối cảnh biến đổi khí hậu, thiên tai diễn biến ngày càng phức tạp, tần suất và cường độ các hiện tượng thời tiết cực đoan gia tăng càng đặt ra những yêu cầu cấp bách trong việc nâng cao công tác dự báo và cảnh báo của ngành KTTV. Đứng trước những yêu cầu cấp bách của thực tiễn nói trên, ngành KTTV đã từng bước nghiên cứu và ứng dụng công nghệ trí tuệ nhân tạo (AI).
Cụ thể, chúng tôi được Bộ Khoa học và Công nghệ giao thực hiện đề tài nghiên cứu ứng dụng và phát triển công nghệ cấp quốc gia về xây dựng hệ thống AI trong dự báo xoáy thuận nhiệt đới ở Biển Đông, trong đó triển khai ứng dụng các mô hình học sâu mới nhận cho các bài toán như nhận dạng và dự báo bão trên dữ liệu vệ tinh và các dữ liệu khí tượng, hải dương trên Biển Đông.
Trước đó, chúng tôi cũng triển khai các đề tài thuộc Bộ Nông nghiệp và Môi trường trong việc ứng dụng AI vào công tác dự báo cực ngắn về mưa trên khu vực Bắc Bộ, ứng dụng AI để nhận dạng, hỗ trợ dự báo và cảnh báo hiện tượng KTTV nguy hiểm và cả ứng dụng AI trong vấn đề quan trắc KTTV.
Chúng tôi cũng hợp tác với Viện Nghiên cứu và Ứng dụng trí tuệ nhân tạo (ĐH Bách Khoa Hà Nội) trong việc ứng dụng AI vào các bài toán dự báo bão, mưa lớn và các yếu tố thủy văn, đồng thời xây dựng công nghệ nhận diện sự hình thành bão sớm trên Biển Đông thông qua các hợp tác với Đại học Công nghệ Hà Nội, Đại học Quốc Hà Nội, Đại học Bách Khoa và Đại học Indiana (Hoa Kỳ).
Gần đây nhất là triển khai thí điểm ứng dụng trí tuệ nhân tạo (AI) để dự báo bão và cường độ bão trên khu vực Biển Đông. Một trong những kết quả tiêu biểu là mô hình CIFOMI (Enhancing Tropical Cyclone Intensity Forecasting over the Bien Dong Sea with Foundation Model and Prompt Tuning) – kết quả hợp tác giữa Trung tâm và Viện Nghiên cứu & Ứng dụng Trí tuệ nhân tạo AI4LIFE.
Việc thí điểm được triển khai từ giữa năm 2024, bước đầu tập trung vào phạm vi dự báo cường độ bão trong 24–72 giờ tới. Mô hình CIFOMI ứng dụng mô hình nền tảng (foundation model) kết hợp kỹ thuật tinh chỉnh gợi ý (prompt tuning) – cho phép tận dụng tri thức từ các mô hình học sâu toàn cầu, đồng thời tinh chỉnh để phù hợp với đặc điểm riêng của các cơn bão ở Biển Đông.
Kết quả thử nghiệm ban đầu rất khả quan khi sai số dự báo cường độ bão trong 24 giờ giảm từ 10–20% so với trước đây. Thời gian chạy mô hình cũng nhanh hơn nhiều, nhờ đó dự báo viên có thêm thời gian để tập trung phân tích, đánh giá và ra quyết định. Có thể nói, đây là một tín hiệu rất đáng mừng, cho thấy AI hoàn toàn có thể trở thành công cụ hỗ trợ đắc lực trong nghiệp vụ dự báo của chúng ta.
Ngoài ra, ngành KTTV cũng chia sẻ dữ liệu thực tế đa nguồn KTTV (từ hơn 3000 trạm quan trắc, dữ liệu viễn thám, dữ liệu mô phỏng dự báo nhiều năm trên khu vực Việt Nam và Biển Đông) và hỗ trợ xử lý dữ liệu với các đơn vị có mong muốn tiếp cận và xây dựng các bải toán ứng dụng AI phục vụ nâng cao chất lượng dự báo.
Từ việc thí điểm, ông/bà đánh giá như nào về vai trò hỗ trợ của AI trong công tác cảnh báo, dự báo thời tiết, đặc biệt là thiên tai?
Ông Mai Văn Khiêm: Lĩnh vực KTTV là lĩnh vực khoa học công nghệ kỹ thuật chuyên ngành đặc thù. Sự phát triển mạnh mẽ của công nghệ, đặc biệt là công nghệ trí tuệ nhân tạo và các mô hình số hiện đại, đã tạo ra thay đổi căn bản trong quy trình làm việc của dự báo viên khí tượng thủy văn.
Trước đây, phần lớn công việc của dự báo viên dựa vào thao tác thủ công – như xử lý số liệu, vẽ bản đồ, phân tích synop, đối chiếu các mô hình – thì nay, một số công đoạn đã được tự động hóa và số hóa hoàn toàn.
Trước hết, AI và mô hình số giúp giảm đáng kể khối lượng thao tác thủ công, đồng thời tăng tốc độ phân tích và xử lý thông tin. Hệ thống mô hình dự báo toàn cầu, khu vực, cùng với các mô hình học máy, có thể tự động tổng hợp hàng trăm nguồn dữ liệu quan trắc, vệ tinh, radar, rồi đưa ra sản phẩm dự báo sơ bộ trong vài giờ đồng hồ (với mô hình số trị) thậm chí chỉ trong vài phút (đối với mô hình AI). Nhờ đó, dự báo viên có nhiều thời gian hơn để tập trung vào khâu phân tích chuyên sâu, đánh giá rủi ro và ra quyết định cuối cùng, thay vì phải mất hàng giờ cho việc chuẩn bị dữ liệu như trước.
Công nghệ mới mang lại các công cụ trực quan hóa và hỗ trợ ra quyết định thông minh, giúp dự báo viên dễ dàng so sánh, kiểm định, phát hiện sai số giữa các mô hình. Chẳng hạn, hệ thống “hiển thị đa mô hình-weather-tool” đang được sử dụng tại Trung tâm cho phép hiển thị đồng thời hàng chục sản phẩm dự báo tổ hợp, kèm các chỉ số độ tin cậy, giúp dự báo viên nhanh chóng lựa chọn kịch bản hợp lý nhất để đưa ra các quyết định dự báo.
AI cũng có thể hỗ trợ mạnh mẽ trong việc nhận dạng các hiện tượng cực đoan – như vùng mưa đối lưu mạnh, dông, lốc, sạt lở đất – thông qua phân tích ảnh radar, vệ tinh, và dữ liệu địa hình theo thời gian thực. Đây là những công việc mà trước đây dự báo viên phải tự ước lượng bằng kinh nghiệm, trong thời gian tới ứng dụng AI có thể tạo ra hệ thống cảnh báo sớm hỗ trợ ra quyết định nhanh hơn, chính xác hơn.
Nói một cách ngắn gọn, công nghệ và AI có thể giúp chuyển vai trò của dự báo viên từ “xử lý thủ công” sang “phân tích, đánh giá và ra quyết định thông minh”. Dự báo viên hiện đại không chỉ là người đọc bản đồ synop, mà còn là người quản lý, phân tích và điều phối dòng dữ liệu lớn, sử dụng công nghệ như một công cụ hỗ trợ để đưa ra dự báo nhanh, chính xác và hữu ích hơn cho cộng đồng.
Trong thời gian tới, Cục Khí tượng Thuỷ văn có định hướng tiếp theo như nào trong việc ứng dụng AI vào công tác cảnh báo, dự báo thời tiết, thiên tai?
Ông Mai Văn Khiêm: Trong thời gian tới, chúng tôi sẽ phối hợp với các đơn vị liên quan để thử nghiệm vận hành mô hình trong hệ thống dự báo thực tế, tiến tới tích hợp cùng các mô hình số trị truyền thống nhằm hình thành hệ thống dự báo tổ hợp thông minh, phục vụ cảnh báo sớm bão và thiên tai hiệu quả hơn.
Một số bài toán cụ thể chúng tôi đề xuất giải quyết là phát triển mô hình dự báo dựa trên AI cho dự báo thông tin thời tiết điểm chi tiết đến cấp phường, xã và nhận dạng được các hình thế thời tiết nguy hiểm đến lãnh thổ Việt Nam trước 10-15 ngày, tăng cường chất lượng dự báo mưa lớn định lượng hạn 1-5 ngày, đặc biệt đối với các hiện tượng mưa cường suất lớn, thời đoạn ngắn (mưa giờ) làm đầu vào cho công tác cảnh báo lũ quét, sạt lở đất, bài toán cảnh báo ngập lụt đô thị, ngập lụt ven biển.
Chúng tôi cũng sẽ ứng dụng AI trong việc tối ưu các mô hình dự báo thủy văn, áp dụng cho các hệ thống lưu vực thủy văn đa quy mô, liên hồ chứa.
Ngoài ra, các trung tâm lớn trên thế giới, với sự hỗ trợ phát triển của các tập đoàn lớn như Google, Huawei, đã bước đầu ứng dụng vào nghiệp vụ các mô hình dự báo thời tiết hoàn toàn dựa trên AI (với đầu vào ban đầu từ phân tích của mô hình NWP, ví dụ như GraphCast, FourCastNet, Pangu‑Weather, AIFS).
Do đó Việt Nam cần tiếp cận ngay các hệ thống mô hình dự báo thời tiết toàn vẹn dựa trên AI này để có những nghiên cứu tinh chỉnh cho riêng khu vực Việt Nam nói chung và cho riêng từng đối tượng cần dự báo chính xác như mưa lớn, mưa do bão, gió mạnh do bão.
Cuối cùng là nghiên cứu xây dựng một mô hình AI trợ lý ảo chuyên ngành dự báo viên KTTV thông qua việc huấn luyện trên kho dữ liệu KTTV quốc gia của Việt Nam trong 30 năm qua để cải thiện cả khâu tạo ra sản phẩm dự báo cuối cùng một cách hiệu quả, tránh mọi sai sót có thể xảy ra do tính chất chủ quan của con người.
Ở góc độ cá nhân, tôi cho rằng trong 5–10 năm tới, công nghệ và trí tuệ nhân tạo (AI) sẽ đóng vai trò ngày càng quan trọng trong công tác dự báo và cảnh báo sớm thiên tai ở Việt Nam cũng như trên thế giới. Đây là bước khởi đầu quan trọng giúp chúng ta từng bước làm chủ công nghệ, tích lũy dữ liệu và kinh nghiệm, rồi tiến tới xây dựng hệ thống “dự báo thông minh tích hợp”, cung cấp thông tin tốt hơn cho nhiều đối tượng, chi tiết hơn về mặt không gian lẫn thời gian.
Xin cám ơn ông!
