Vremenska prognoza je istorijski zavisila od dugotrajne i energetski intenzivnog metoda korišćenja superkompjutera da bi se zgnječili složeni skupovi matematičkih jednačina. Nadolazeća alternativa uključuje obuku veštačke inteligencije (AI) da predvidi kako će se trenutni atmosferski uslovi razvijati.
Međutim, u novoj studiji objavljenoj u časopisu Pisma o geofizičkim istraživanjima, Tobias Selz i G. C. Craig izveštavaju da modeli zasnovani na veštačkoj inteligenciji ne uspevaju da uzmu u obzir proces koji postavlja fundamentalno ograničenje na vremensku predvidljivost: efekat leptira.
Efekat leptira opisuje kako posledice sitnih perturbacija mogu veoma brzo da narastu i imaju veliki uticaj na konačni ishod sistema, kao u metaforičkom primeru leptira krila leptira u Brazilu koji na kraju utiče na razvoj tornada u Teksasu. U nauci o vremenu, ove brzo rastuće nesigurnosti najčešće su povezane sa konvekcijom i padavinama. Ali ova početna varijacija raste mnogo sporije u AI sistemima nego u stvarnosti, što potencijalno čini vremenske prognoze AI nepouzdanim.
To ne znači da je veštačka inteligencija beskorisna kada je u pitanju vremenska prognoza. Trenutno, efekat leptira nije ograničavajući faktor u predviđanju vremena, jer su atmosferske greške merenja i dalje dovoljno velike da je efekat leptira relativno zanemarljiv.
AI dobro modeluje vreme u uslovima srednje geografske širine sa trenutnim nivoom greške merenja, iako Selc i Krejg primećuju da tačnost može da varira u izuzetnim meteorološkim uslovima. Naučnici takođe mogu biti u mogućnosti da poboljšaju AI algoritme, na primer, veštačkim generisanjem dodatnih podataka o obuci kako bi ove algoritme naučili snazi efekta leptira.
