Tänapäevane füüsikaseadusel põhinev numbriline ilmaennustus jaotab pea kohal laiuva atmosfääri arvutuslikeks kihtideks. Ühe standardolukorra hindamiseks jookseb sageli kokku üle 50 mudeliväljundi, mis moodustavad võimalike stsenaariumite lehviku. Iga ruudustiku punkti taga on massiivne arvutus.
Eriolukordades teevad meteoroloogid tavapärasest oluliselt üksikasjalikumaid arvutusi. “Näiteks Prantsusmaal tehti olümpiamängude ajaks mõnesajameetrise lahutusega ilmakaardid. Sisuliselt arvutati iga poole kilomeetri või isegi 300 meetri tagant välja, millised need ilmatingimused on,” tõi Ala näite. Igapäevaselt meteoroloogid siiski nii täpseks ei lähe. “Seda saaks teha, aga see muutub tohutult aeganõudvaks ning kuna lõpuks mõõdame kõike rahas, muutuks see väga kulukaks,” lisas Ala.
Vaatamata masinate ja mudelite paranemisele täidavad inimsünoptikud endiselt elutähtsat rolli, sest suudavad siduda mudelite väljundi varasema kogemusega. “Tõele au andes: kui me täna võtame mudelprognoosid ja lisame sinna juurde inimese enda oskused, näeme kuskil 10 kuni kohati isegi 18 protsenti prognoosi paranemist ainuüksi seetõttu, et inimene on jätkuvalt mängus,” lisas direktor.
Üha sagenevad erakorralised ilmastikuolud heidavad aga nii inimestele kui ka arvutitele uusi väljakutseid. Kliima muutudes jõuab muutub ka ilm enamasti heitlikumaks ja piirkondliku ulatusega sündmused panevad praeguste mudelite võimed tõsiselt proovile.
Ala kirjeldas: “Üldjoontes tähendab see, et me näeme juba täna ja tulevikus veelgi rohkem erakordseid ilmastikusündmusi ja -nähtusi. Nende üks iseloomujoon on see, et nad tekivad ruttu. Nad võivad küll olla lühiajalised, näiteks sajud, aga väga intensiivsed ja väga lokaalsed. Nendele pihtapanemine ja nende äratabamine on küllaltki väljakutseterohke.”
Ühelt poolt tuleb sünoptikutele appi tehisintellekt, mis suudab töödelda andmemassiive tuhandeid kordi kiiremini. Lühiajaliste hetkeennustuste tegemisel näitavad neurovõrgud tihti suurepäraseid tulemusi. Teisalt jääb uue tehnoloogia võimekus äärmuste ennustamisel nõrgaks, kuna algoritm toetub vaid varem kogetud mustritele.
Nii hindab tehisaru harvaesinevate sündmuste korral olukorda sageli valesti, kujutades enamasti riske tegelikkusest väiksemana. “Ta ei suuda liiga hästi tabada ekstreemseid ilmastikunähtusi. Meie maal ei ole see ehk nii hästi tunnetatav, aga väga suur osa maailmast on tõsiselt mures ja kannatab ekstreemsete ilmastikunähtuste all,” nentis Ala.
Direktor nentis, et neurovõrgud jõudsid Euroopa meteoroloogiasse hilinemisega. Sinsed instituudid eranditult klassikalisi superarvuteid. Mõne aasta eest toimunud üleeuroopalisel tippkohtumisel tabas valdkonna juhte külm dušš. Aasia teadlased raporteerisid edukatest katsetustest, kus nende tehisaru ületas klassikalise ilmaennustuse kvaliteedinäitajaid. Ootamatu teade pani Euroopa ilmakeskused kiirkäigul uusi lahendusi arendama. Lühikese ajaga suutsid Lääne teadlased graafidel põhinevate närvivõrkude abil konkurentidele järele jõuda.
Kiirest arengust hoolimata ei suuda masinõpe klassikalist atmosfäärifüüsikat esialgu asendada. Algoritmid treenivad ennast numbrilise ilmaennustuse tulemite ja varasemate ilmavaatlust põhjal. Ilma vana kooli mudelita kaotab tehisaru oma orientiiri. Ala selgitas sõltuvust ilmekalt: “Mis juhtuks siis, kui me klassikalise ilmaennustuse välja lülitaksime ja võtaksime masinal voolu tagant ära? Tänase teadmise kohaselt hakkaks masinõpe suhteliselt ruttu eksima ja meile tõenäoliselt lõpuks jaburusi rääkima.”
Direktor märkis, et piirkondlike vaatlusandmete rikastamiseksvaatavad ilmakeskused üha enam koduste ilmajaamade poole. Riiklik sadakonnast punktist koosnev vaatlusvõrk ei suuda haarata iga metsatuka või küla mikrokliimat. “Kui kodujaamad on paigutatud õigesti ja nad on piisavalt esinduslikud, siis on nende andmete mudelprognoosi kaasamine täiesti võimalik ja adekvaatne. Ma arvan, et see on kindlasti tuleviku teema,” leidis Ala.
Ta lisas, et ilma puudutava informatsiooni hulk kasvab iga aastaga plahvatuslikult, muutes ka spetsialistide töö iseloomu. Sünoptiku ülesandeks jääb edaspidi pigem algoritmide pakutud info seostamine ja filtreerimine. “Tulevikus ei ole põhimõtteliselt realistlik, et inimene lihtsalt mingit tabelit vaadates jõuab väga adekvaatse järelduseni. Inimene on seal pigem tõlgendamise rollis, aga andmemaht on lihtsalt massiivne,” sõnas Taimar Ala.