Khí hậu: AI học từ kịch bản phát thải được dựng nhân tạo
· Ban biên tập BehindLines
Các nhà nghiên cứu của MIT đã phát triển một phương pháp huấn luyện nhanh hơn các mô hình trí tuệ nhân tạo dự báo khí hậu, chỉ với một phần nhỏ dữ liệu thông thường. MIT giới thiệu công trình này vào ngày 12 tháng 11 năm 2026 và cho biết nó đăng tuần này trên tạp chí Proceedings of the National Academy of Sciences. Một bản thảo cũng có trên máy chủ bản in trước arXiv: nộp ngày 17 tháng 6 năm 2026 rồi chỉnh sửa ngày 29 tháng 9, nó có trước thông báo của MIT vài tháng, và trang arXiv của nó không nêu tạp chí nào.
"Bộ mô phỏng" thay cho nhiều tháng tính toán
Các dự báo khí hậu dài hạn dựa vào mô hình hệ thống Trái Đất, rất chi tiết nhưng nặng nề: MIT cho biết có thể mất nhiều tháng trên một cụm siêu máy tính để mô phỏng chỉ một tương lai khả dĩ. "Bộ mô phỏng" là các mô hình AI bắt chước hành vi của chúng và chạy trong vài giây, theo MIT điều này cho phép thử hàng nghìn kịch bản.
Khuyết điểm của các kịch bản thực tế
Thông thường, người ta huấn luyện bộ mô phỏng bằng 6 đến 8 quỹ đạo phát thải thực tế, mỗi quỹ đạo đòi hỏi chạy trọn vẹn một lần mô hình tham chiếu. MIT cho biết các nhà nghiên cứu của họ đã nhận thấy những kịch bản như vậy cho ra bộ mô phỏng kém hiệu quả hơn trước các tình huống chưa từng gặp. Phần tóm tắt nghiên cứu trên arXiv quy giới hạn hiệu năng này cho mức đa dạng cấu trúc thấp của các kịch bản thường dùng.
Một bộ dữ liệu làm theo yêu cầu
Christopher Womack, tác giả chính, nay là nghiên cứu viên sau tiến sĩ tại ETH Zurich, cùng các đồng nghiệp đã thiết kế một thuật toán tạo ra một tập kịch bản tổng hợp được tối ưu hóa. Theo MIT, thuật toán xuất phát từ một kịch bản tùy ý tạo bằng mô hình khí hậu đơn giản và nhanh, đo khoảng cách giữa bộ mô phỏng và mô hình tham chiếu, rồi cập nhật dữ liệu lặp đi lặp lại cho đến khi sai số đạt một ngưỡng. Kết quả không giống một tương lai hợp lý: các quỹ đạo có những biến thiên đột ngột, và thuật toán có thể chẳng hạn làm CO2 tăng mạnh vào năm 2050 hoặc làm methane giảm nhanh vào năm 2037. Với Christopher Womack, những dao động nhanh này giúp bộ mô phỏng rút ra nhiều thông tin hơn hẳn về toàn hệ thống.
Khi đó chỉ cần chạy mô hình đầy đủ một lần, thay vì 6 hoặc 8 lần. Theo phần tóm tắt trên arXiv, với một mô hình khí hậu đơn giản, bộ mô phỏng huấn luyện trên một kịch bản tối ưu duy nhất làm tốt hơn bộ mô phỏng huấn luyện trên 6 quỹ đạo chuẩn (ScenarioMIP). Các tác giả nói thêm rằng những kịch bản được tối ưu bằng mô hình đơn giản này, rồi dùng để điều khiển một mô hình có độ phức tạp trung bình, cho ra bộ dữ liệu huấn luyện hiệu quả hơn các kết quả ScenarioMIP. Theo MIT, bộ mô phỏng huấn luyện theo cách này còn dự đoán được tác động của các chính sách địa phương làm giảm một chất ô nhiễm trong khi các phát thải khác vẫn tăng, điều mà các bộ mô phỏng truyền thống được thử nghiệm đã không làm được.
Vì sao điều này quan trọng
Theo Noelle Selin, tác giả cấp cao của nghiên cứu, việc huấn luyện một bộ mô phỏng có thể mất nhiều tháng, thậm chí nhiều năm, nên các công cụ hiện có thường đã lỗi thời; bà cho rằng phương pháp này, nhờ rút ngắn thời gian đó, có thể thay đổi cuộc chơi. Christopher Womack hy vọng các bộ mô phỏng nhanh và dễ thích ứng này sẽ phục vụ tốt hơn việc xây dựng chính sách công. Các nhà nghiên cứu giờ muốn thử kỹ thuật với một kịch bản do mô hình đầy đủ tạo ra, và áp dụng nó cho các loại mô hình khí hậu khác.