يعد التنبؤ الدقيق بالطقس أمرًا صعبًا – وهو أمر صعب حقًا، ولكن نموذج التنبؤ الجديد المدعوم بالذكاء الاصطناعي حقق للتو إنجازًا كبيرًا جعل الخبراء يقولون إن توقعاتك قد تصبح أكثر دقة قريبًا، وأكثر من ذلك أيضًا.
يتطلب الأمر جهدًا هائلاً لمواكبة الطقس في جو في حالة تغير مستمر. المهمة صعبة ومعقدة للغاية لدرجة أن التنبؤ الموثوق به قبل أكثر من يومين لم يسمع به قبل بضعة عقود فقط.
ولم تكن توقعات الخمسة أيام في أوائل الثمانينيات دقيقة إلا في حوالي 65% من الحالات. لكن مراقبة الطقس بشكل أفضل، وزيادة قوة الحوسبة، والابتكارات في الطريقة التي يتم بها تصميم نماذج الطقس في جميع أنحاء العالم بواسطة أجهزة الكمبيوتر، أدت إلى تحسين التنبؤات بسرعة فائقة. واليوم وصلت نفس التوقعات إلى العلامة تسع مرات من أصل 10.
قال الخبراء إن التوقعات اتخذت خطوة أخرى إلى الأمام هذا الشهر، وذلك بفضل GenCast، وهو نموذج جديد للتنبؤ بالذكاء الاصطناعي من إنتاج DeepMind من Google. وكانت تنبؤاتها خلال 15 يومًا أكثر دقة بشكل ملحوظ من أحد نماذج التنبؤ التقليدية غير المعتمدة على الذكاء الاصطناعي والتي تحظى باحترام كبير، وفقًا لدراسة نشرتها DeepMind في مجلة Nature.
وقال بيتر دويبن، خبير التعلم الآلي ورئيس نمذجة نظام الأرض في المركز الأوروبي للتنبؤات الجوية متوسطة المدى، موطن النموذج الذي تفوق فيه GenCast: “إنها نتيجة مثيرة للإعجاب”. “إنها خطوة كبيرة.”
GenCast ليس جاهزًا للجمهور بعد. لا يزال يتعين على هذا النموذج وغيره من نماذج الذكاء الاصطناعي حل بعض المشاكل الرئيسية، خاصة في التنبؤ بالطقس الأكثر تواتراً وقسوة في عالم يزداد حرارة، قبل أن يغيروا التوقعات وينقذوا الأرواح في هذه العملية.
الإنسان مقابل الآلة
لقد كانت مهارة وفائدة نماذج التنبؤ بالطقس مرتبطة دائمًا ارتباطًا وثيقًا بالتكنولوجيا.
تعتمد غالبية نماذج التنبؤ بالطقس المستخدمة اليوم على سلسلة معقدة من المعادلات الرياضية التي تشكل نموذجًا لفيزياء الغلاف الجوي وتستخدم مئات الملايين من نقاط البيانات المستمدة من عمليات رصد الطقس في الوقت الفعلي لرسم صورة لكيفية حدوث الطقس يوميًا ، بعد أسبوع أو حتى موسم من الآن.
تم تصور عملية التنبؤ العددي بالطقس هذه لأول مرة في أوائل القرن العشرين وكان يتعين إجراؤها يدويًا، وهي طريقة بطيئة جدًا لدرجة أن الطقس قد حدث بالفعل قبل وقت طويل من انتهاء الحسابات.
قامت أجهزة الكمبيوتر المبكرة بتحسين التنبؤ في الخمسينيات والستينيات من القرن الماضي، ولكن لم يتم تشغيل النموذج الأول القادر على سحب البيانات من جميع أنحاء العالم وإنشاء تنبؤات أولية إلا في عام 1974.
انتقل إلى اليوم الحالي، وستقوم أجهزة الكمبيوتر العملاقة بإجراء عدد لا يسبر غوره تقريبًا من الحسابات يوميًا لإنتاج تنبؤات جوية مفصلة للغاية لعدة أيام في المستقبل حول العالم.
لكن نماذج التنبؤ الحالية لا تزال تعاني من قيود. لا يمكن تشغيل أقوى العمليات إلا كل بضع ساعات، وذلك بسبب الوقت الذي يستغرقه إجراء الحسابات المعقدة. كما أنها تتطلب الكثير من الطاقة الحاسوبية والطاقة مما يجعلها مكلفة.
ولديهم قيود أيضًا عندما يتعلق الأمر بالتنبؤ. كلما ابتعدنا في الوقت المناسب عن عمليات رصد الغلاف الجوي، كلما أصبح من الصعب الحصول على فكرة واضحة عما سيأتي لأن الغلاف الجوي لا يتوقف أبدًا عن التغير.
تتبع معظم نماذج التنبؤ بالطقس المعتمدة على الذكاء الاصطناعي، مثل GenCast من Google، نهجًا مختلفًا. وبدلاً من الاعتماد على الملاحظات المرتبطة بالمعادلات الفيزيائية، يتنبأون بكيفية تصرف الغلاف الجوي للأرض في المستقبل من خلال تحليل بيانات الطقس السابقة التي تم التحقق منها لفهم كيفية تصرف الغلاف الجوي في مواقف مماثلة. ويساعد ذلك على تحسين الدقة مقارنة بالنماذج التقليدية من خلال إزالة الأخطاء من بيانات الطقس في الوقت الفعلي.
تعمل نماذج توقعات الذكاء الاصطناعي أيضًا على تشغيل عمليات المحاكاة بشكل أسرع بكثير وتستخدم طاقة وطاقة حاسوبية أقل من النماذج التقليدية بمجرد تدريبها واستعدادها للانطلاق. وهذا يعني أنه يمكن تشغيلها بشكل متكرر أكثر ووضع نموذج لنطاق أوسع من الاحتمالات، وتحسين التوقعات كما تفعل.
جوجل تغير قواعد اللعبة
اقتصرت نمذجة الطقس باستخدام الذكاء الاصطناعي قبل GenCast من Google على النماذج التي تقدم تنبؤات فردية دون أي إشارة إلى مدى احتمالية حدوث ذلك. إنه في الأساس أفضل تخمين وأكثر فائدة للتنبؤ بمتغيرات الطقس الشائعة مثل درجة الحرارة وهطول الأمطار والرياح قبل بضعة أيام.
لكن GenCast يدير العشرات من عمليات المحاكاة في وقت واحد.
يقول إيلان برايس، المؤلف الرئيسي للدراسة الجديدة: “بمجرد أن يكون لديك العديد من العقود المستقبلية المحتملة، فإن ذلك يمنحك إحساسًا بنطاق ما قد يحدث، ويتيح لك أيضًا حساب مدى احتمالية حدوث بعض (العقود الآجلة) بدلاً من غيرها”. وعالم أبحاث كبير في DeepMind.
يحظى هذا النوع من نهج النمذجة بتقدير كبير لأنه يضفي مزيدًا من الثقة على توقعات الطقس لحوالي خمسة إلى 15 يومًا في المستقبل.
ويعتبر نموذج المركز الأوروبي للتنبؤات الجوية متوسطة المدى هو المعيار الذهبي على نطاق واسع. لقد كان هذا ما أرادت شركة Google التغلب عليه بإصدارها الأول من نوعه المزود بتقنية الذكاء الاصطناعي، وقد فعلت ذلك.
قام الباحثون بتدريب GenCast على بيانات الطقس على مدار 40 عامًا حتى عام 2018. ثم استخدموا النموذج المُدرب للتنبؤ بأكثر من 1300 مجموعة من الظروف مثل درجات الحرارة وهطول الأمطار وسرعات الرياح في طقس عام 2019.
أنتج نموذج الذكاء الاصطناعي تنبؤات أكثر دقة من النموذج التقليدي لـ ECMWF لأكثر من 97% من هذه المتغيرات خلال إطار زمني مدته 15 يومًا، لكنه أظهر مهارة خاصة خلال الأسبوع الأول من التوقعات.
وأظهرت تحسنًا في الدقة بنسبة تتراوح بين 10 إلى 30% في التوقعات في نطاق ثلاثة إلى خمسة أيام، اعتمادًا على المجموعة الدقيقة من المتغيرات التي تم اختبارها، وفقًا لبرايس. وقالت الدراسة إن GenCast كان لديه أيضًا تنبؤات أكثر دقة من نموذج ECMWF لمدة تصل إلى 15 يومًا في المستقبل.
يمكن لنموذج الذكاء الاصطناعي التقاط بعض أشكال الطقس القاسي بشكل أفضل، بما في ذلك درجات الحرارة المرتفعة والمنخفضة بشكل استثنائي وسرعات الرياح الشديدة. يحتاج GenCast أيضًا إلى أقل من 10 دقائق للتشغيل على الكمبيوتر العملاق، مقارنة بالساعات اللازمة للنماذج التقليدية.
وقال برايس إن النتائج تمثل “نقطة انعطاف” في تكنولوجيا نمذجة الطقس المعتمدة على الذكاء الاصطناعي.
وأضاف برايس: “التنبؤ بالطقس القائم على الذكاء الاصطناعي جاهز للاستخدام في أوقات الذروة”. “إنها جاهزة للبدء في دمجها جنبًا إلى جنب مع… النماذج التقليدية قيد التشغيل.”
لم يتم تشغيل GenCast بعد، لكن فريق DeepMind يخطط لاتخاذ خطوة أخرى نحو ذلك من خلال إصدار توقعاته الحالية وأرشيف توقعاته السابقة، وفقًا لبرايس.
مشكلة كبيرة لحلها
يعد GenCast تقدمًا مهمًا في النمذجة، ولكن مثل أي نموذج آخر للتنبؤ بالطقس، فهو ليس مثاليًا.
تقدم نماذج الذكاء الاصطناعي مشكلة محتملة جديدة لأنها تتنبأ بالمستقبل بناءً على ما رأوه في البيانات السابقة.
وأوضح دويبن أن “نموذج التعلم الآلي… لا يعرف أي شيء عن الفيزياء”.
وهذا يمكن أن يجعل من الصعب على الذكاء الاصطناعي تصور الأحداث المتطرفة المستقبلية التي لم تحدث في الماضي القريب. هل يمكن لنموذج الذكاء الاصطناعي الذي تم تدريبه على 40 عامًا فقط من البيانات أن يتنبأ بدقة بأنواع الظواهر المتطرفة التي تحدث بوتيرة قياسية في مناخ متغير، مثل هطول الأمطار الغزيرة مرة واحدة كل 100 عام أو مرة واحدة كل 1000 عام؟
وقال دويبن: “اتضح أن هذه النماذج في الواقع أكثر قوة في مواجهة تلك الأحداث المتطرفة مما قد تعتقد”. وأوضح أن ECMWF قام باختبار نماذج الذكاء الاصطناعي في مواجهة الطقس في الوقت الفعلي لأكثر من عام حتى الآن، وشهد تحسينات في دقتها الإجمالية، حتى مع الأحداث المتطرفة.
لكن نماذج الذكاء الاصطناعي يمكن أن تبدأ في اختراع فيزياء مستحيلة على الأرض كلما نظرت إلى أبعد من ذلك، وفقًا لدويبن.
ولا تزال هناك مشكلات أخرى تتعلق بالتنبؤ، خاصة فيما يتعلق بواحدة من أكثر الظواهر الجوية تدميراً: الأعاصير المدارية.
إن التنبؤ بدقة بمدى قوة الإعصار المداري مثل الإعصار أو الإعصار هو مشكلة تعاني منها جميع النماذج. إنها مشكلة حاسمة يجب حلها مع ازدياد قوة الأنظمة الاستوائية وتكثيفها بسرعة أكبر في ظل ظاهرة الاحتباس الحراري بسبب تلوث الوقود الأحفوري.
أظهر GenCast مهارة أفضل من النماذج التقليدية عند التنبؤ بمسارات الأنظمة الاستوائية، لكنه واجه صعوبات في التقاط الكثافة بدقة، وفقًا لبرايس.
وأشار برايس إلى أن ذلك يرجع جزئيًا إلى أن بعض الأنظمة البارزة الحديثة التي حطمت الأرقام القياسية لم يتم تضمينها في 40 عامًا من البيانات التي تم تدريب GenCast عليها.
إنها مشكلة يعتبر السعر “واثقًا تمامًا” من إمكانية التغلب عليها في المستقبل حيث يتدرب النموذج على المزيد من البيانات.
عنصر محتوى غير معروف
–
هناك أيضًا نماذج قيد التطوير تجمع بين التعلم الآلي وفيزياء العالم الحقيقي – المعروفة باسم النماذج الهجينة – والتي يمكن أن تكون الحل لبعض هذه المشكلات.
تضيف كل خطوة إلى الأمام مع هذه التكنولوجيا الناشئة أداة أخرى يمكن للمتنبئين بالطقس البشري استخدامها لصياغة تنبؤات دقيقة يعتمد عليها الناس في كل جانب من جوانب حياتهم تقريبًا.
وقال دويبن: “يمكنك أن تكون متشككًا كما تريد في توقعات التعلم الآلي من حيث المبدأ”. “ستكون لهذه النماذج تأثير إيجابي على تنبؤاتنا الجوية؛ ليس هناك شك هناك.
لمزيد من الأخبار والنشرات الإخبارية لـ CNN، قم بإنشاء حساب على CNN.com