Hava tahmini, yapay zekanın en hızlı ilerlediği alanların başında geliyor. Ancak araştırmacılar kritik bir sorunla karşı karşıya: Hiçbir yapay zeka modeli tüm atmosferik değişkenlerde, tüm yükseklik ve basınç seviyelerinde ve tüm tahmin zaman dilimlerinde aynı anda en iyi performansı gösteremiyor. Kimileri kısa vadeli tahminlerde üstünken, kimileri yüksek irtifadaki basınç sistemlerini daha iyi modelliyor.

Bu sorunu çözmek için bir grup araştırmacı yeni bir mimari tasarlamak yerine sorunu farklı bir perspektiften ele aldı: Var olan modelleri birbirleriyle rekabet ettirmek değil, koordineli biçimde çalıştırmak. Ortaya çıkan sistem FTAE-Weather (Feitian Adaptive Ensemble Weather), derin pekiştirmeli öğrenmeyi kullanarak önceden eğitilmiş tahmin modellerinden oluşan bir havuzun çıktılarını dinamik olarak harmanlıyor.

Sistemin kalbinde iki farklı ajan bulunuyor. 'Taktik Ağırlık Ajanı' adı verilen birinci bileşen, o anki atmosfer koşullarını okuyarak her değişken ve tahmin ufku için hangi modelin çıktısına ne kadar ağırlık verileceğini anlık olarak belirliyor. Örneğin 500 hPa basınç seviyesindeki rüzgar tahmini için bir model öne çıkarken, yüzey sıcaklığı tahmini için başka bir model tercih edilebiliyor. İkinci bileşen olan 'Stratejik Evrim Ajanı' ise daha uzun vadeli bir işlev üstleniyor: Havuzdaki zayıf performanslı modelleri belirleyerek devre dışı bırakıyor ve bilim dünyasında yeni yayımlanan modelleri sisteme entegre ediyor. Bu sayede sistem, yapay zeka alanındaki hızlı gelişime ayak uydurabiliyor.

Teknik açıdan dikkat çekici bir özellik de eşzamansız tahmin önbellekleme mekanizması. Bu yapı sayesinde eğitim maliyeti, havuzdaki en yavaş modele bağlı kalmıyor; hesaplama süreci daha verimli bir şekilde yönetilebiliyor.

Araştırmacılar sistemi 10 farklı atmosferik değişken üzerinde test etti. Sonuçlara göre FTAE-Weather, tek başına en iyi performansı gösteren modele kıyasla ortalama hata oranını (RMSE) yüzde 17,2 ile 78,3 arasında değişen oranlarda düşürmeyi başardı. Üstelik bu kazanım, toplam parametrelerin binde birinin onda birine bile ulaşmayan ek bir yükle sağlandı.

Bu çalışma, hava tahmini araştırmalarında yeni bir yaklaşımın kapılarını aralıyor: Sürekli yeni modeller inşa etmek yerine mevcut modellerin güçlü yönlerini akıllıca bir araya getirmek. Bu paradigma, ilerleyen dönemde iklim modellemesi ve afet erken uyarı sistemleri gibi alanlarda da yankı bulabilir.