Aila-tekoälymalli kehittää tulevaisuuden sääennusteita
Perinteisissä sääennustusmalleissa ilmakehän kehitys lasketaan fysiikan yhtälöiden avulla. Dataan perustuvissa tekoälymalleissa neuroverkko sen sijaan opetetaan aiempien säätilanteiden ja analyysiaineistojen avulla tuottamaan ennusteita nopeasti sen jälkeen, kun mallin raskas koulutusvaihe on tehty.
Ailan koulutuksessa on hyödynnetty Euroopan keskipitkien sääennusteiden keskuksen ECMWF:n tuottamaa ERA5-uusanalyysiaineistoa sekä ECMWF:n IFS-mallin ja korkean erotuskyvyn alueellisen MEPS-mallin analyysiaineistoja. Näiden aineistojen avulla mallia opetetaan tunnistamaan säätilanteiden kehitystä ja tuottamaan ennusteita erityisesti Suomen ja Pohjois-Euroopan oloihin.
Aila onnistui kylmän tammikuun ennusteissa
Vuoden 2026 tammikuu tarjosi mallille vaativan testitilanteen. Kuukausi oli Suomessa tavallista kylmempi, ja Lapissa kuukauden keskilämpötilat olivat paikoin alle -20 astetta. Kylmät talvipäivät ja niihin liittyvät ilmakehän inversiotilanteet ovat haastavia perinteisille malleille.
Aila ja muut testatut tekoälymallit, kuten Norjan ilmatieteen laitoksen Bris, onnistuivat erittäin hyvin Suomessa kylmien lämpötilojen ennustamisessa. Verrattaessa havaittuihin asemalämpötiloihin Ailan ennusteet toivat lisäarvoa erityisesti alle kahden vuorokauden ennustepituuksilla suhteessa numeeristen mallien ennusteisiin. Jatkokehitystä tarvitaan esimerkiksi epävarmuuksien, kylmimpien ääritilanteiden, alueellisesti vaihtelevien suureiden kuten sateen, rannikkoalueiden ja pidempien 3–10 vuorokauden ennusteiden osalta.
Tavoitteena on, että tekoälymallit tarjoavat tulevaisuudessa lisätukea ennustustyöhön erityisesti alueellisesti vaativissa ja nopeasti muuttuvissa säätilanteissa.
Avoin kehitys tukee kansainvälistä yhteistyötä
Aila on ollut Ilmatieteen laitoksella testikäytössä noin vuoden, ja sen kehitystyötä avataan nyt laajemmin myös kansainväliselle sää- ja tekoäly-yhteisölle. Ailan mallipainoja eli tekoälymallin oppimia laskennallisia asetuksia on julkaistu avoimesti Hugging Face -palvelussa. Avoin julkaisu helpottaa mallin vertailua, testaamista ja jatkokehitystä sekä tukee avoimempaa yhteistyötä tekoälyyn perustuvassa sääennustamisessa.
Ailan tekninen toteutus nojaa Anemoi-ohjelmistokehykseen, jota ECMWF on kehittänyt yhdessä kansallisten sääpalveluiden kanssa. Anemoi tarjoaa avoimen ja modulaarisen pohjan koneoppimiseen perustuvien sääennustusjärjestelmien rakentamiseen, kouluttamiseen ja operatiiviseen käyttöön.
Aila-malli hyödyntää graafineuroverkkoa ja venytetyn hilan lähestymistapaa. Venytetty hila mahdollistaa maailmanlaajuisen säämallin laskemisen niin että Pohjois-Euroopassa mallin ennustekyky on muuta maailmaa tarkempi.
Ailan koulutus vaatii suuria GPU-laskentaresursseja eli tekoälylaskentaan soveltuvaa suurteholaskentaa. Tässä on hyödynnetty Kajaanissa sijaitsevan LUMI-supertietokoneen GPU-kapasiteettia, jota Ilmatieteen laitoksen tutkijat ovat saaneet käyttöönsä Suomen kansallisen LUMI Extreme Scale -haun kautta. Laskentaresurssit mahdollistavat Ailan tasoisten neuroverkkomallien kouluttamisen.
Aila yhdistää tutkimusta, tuotantoa ja eurooppalaista yhteisöä
Ilmatieteen laitoksen tekoälyyn perustuvan sääennustamisen tiimissä työskentelee tällä hetkellä noin kymmenen asiantuntijaa. Työssä yhdistyy Ilmatieteen laitoksen tutkimus- ja operatiivinen osaaminen. Kansainvälisesti kehitystyö kytkeytyy ECMWF:n Machine Learning Pilot Project -yhteistyöhön sekä pohjoismaiseen yhteistyöhön esimerkiksi Norjan ilmatieteen laitoksen Bris-mallin kanssa, jonka malliarkkitehtuuriin Aila perustuu.
Aila on osa laajempaa muutosta, jossa tekoäly, suuret havainto- ja analyysiaineistot sekä tehokas laskenta tuovat uusia mahdollisuuksia ympäristön mallintamiseen ja ennustamiseen. Ilmatieteen laitos on mukana Suomen Akatemian FAME-lippulaivassa, jonka näkökulmasta Aila yhdistää korkeatasoista tekoälytutkimusta, suurteholaskentaa, kansainvälistä yhteistyötä ja ennustepalveluiden operatiivista kehittämistä.
Anemoi-yhteisön työ sai vuonna 2025 Euroopan meteorologisen seuran EMS Technology Achievement Award -palkinnon. Palkinto nosti esiin Anemoin tieteellisen ja teknologisen merkityksen sekä sen, miten avoin eurooppalainen yhteistyö voi nopeuttaa uuden sukupolven sääennustusmenetelmien käyttöönottoa. Ilmatieteen laitoksen Aila on eräs konkreettinen esimerkki siitä, miten yhteinen kehitystyö siirtyy tutkimuksesta kohti käytännön ennustamista.
Lisätietoa
AI-kehityspäällikkö Leila Hieta, Ilmatieteen laitos
Tutkimusprofessori Marko Laine, Ilmatieteen laitos
Sähköpostiosoitteet ovat muotoa etunimi.sukunimi@fmi.fi.
