MADALAS tamaan ang Pilipinas ng bagyo na may dalang malakas na ulan na puwedeng magdulot ng baha at landslide. Kadalasan, nauulit ang mga pattern ng bagyo. Halimbawa, kung may bagyong dumaan sa Central Luzon na may partikular na dami ng ulan, malamang na ang susunod na bagyong dadaan din sa Central Luzon ay magdadala ng halos parehong dami at distribusyon ng ulan.
Gumawa sina Cris Gino Mesias at Dr. Gerry Bagtasa ng UP Diliman College of Science – Institute of Environmental Science and Meteorology (UPD-CS IESM) ng AI model na nag-uugnay sa mga dinaanang bagyo noon at sa naitalang ulan. Ginagamit pa rin ng AI model ang parehong impormasyon tungkol sa mga bagyo sa Pilipinas, pero mas mabilis at mas efficient nitong nakikita ang mga pattern.
“Karamihan ng prediksyon tungkol sa ulang dala ng bagyo ay naka-base sa dynamic models, na mahirap patakbuhin dahil kailangan ng sobrang daming computer resources at high-performance computing,” paliwanag ni Dr. Bagtasa.
Kumpara sa mga naunang modelo, ang AI model na dinevelop ng mga scientist mula UP ay kaya nang tumakbo sa loob lang ng ilang minuto gamit ang isang laptop. “Nang sinubukan namin ang AI model, halos kapantay nito ang predictive skill ng dynamic model na karaniwang ginagamit namin. Mas magaling pa nga ito pagdating sa matitinding ulang dala ng bagyo,” dagdag niya.
Ipinaliwanag ni Dr. Bagtasa na ang layo ng bagyo at kung gaano ito katagal ang dalawang pinakamalaking factor na nakakaapekto sa prediction ng AI model tungkol sa ulan. Ito rin ang nagdidikta kung sino ang tatamaan ng malakas na ulan at kung gaano karami ang babagsak na ulan sa bansa. Halimbawa, kung may bagyo malapit sa Batanes, hindi ito inaasahang magdudulot ng malakas na ulan sa Mindanao. Samantala, ang mga bagyong mabagal kumilos at matagal manatili sa lupa ay mas malakas magpaulan.
“Aminado kami na hindi perpekto ang AI model na ito. Pero makakadagdag ito sa iba pang forecast models para mabigyan ang ating disaster managers ng mas maraming impormasyon tungkol sa paparating na panganib,” ani niya. Maaari rin itong i-update gamit ang bagong data para matuto ulit at mas gumaling pa sa pagbibigay ng tumpak na prediksyon.
Iba ang AI model na dinevelop nina Mesias at Dr. Bagtasa kumpara sa mga AI gaya ng ChatGPT at Gemini na tinatawag na large language models (LLMs). Binibigyang-diin ni Dr. Bagtasa na hindi lahat ng AI ay pare-pareho, kaya mahalaga ang AI literacy. “May mga AI na gaya ng para sa weather forecasting na talagang kapaki-pakinabang at mas mabilis kaysa sa mga tradisyunal na paraan. Pero meron ding iba, tulad ng LLMs, na sobrang lakas gumamit ng enerhiya kaya nagdudulot ng masamang epekto sa kalikasan,” babala niya.
Ang pag-aaral na pinamagatang “AI-Based Tropical Cyclone Rainfall Forecasting in the Philippines Using Machine Learning” ay inilathala sa Meteorological Applications. Suportado rin ang research na ito ng Department of Science and Technology–Accelerated Science and Technology Human Resource Development Program (DOST-ASTHRDP) at ng DOST-Philippine Council for Industry, Energy, and Emerging Technology Research and Development (DOST-PCIEERD).