أظهرت دراسة نشرت يوم الثلاثاء أن نموذجًا حاسوبيًا جديدًا للتنبؤ بالطقس أنشأته شركة جوجل والمدعوم بالذكاء الاصطناعي يتفوق باستمرار وأسرع عدة مرات من النماذج الحكومية التي كانت موجودة منذ عقود واستثمرت مئات الملايين من الدولارات.
بل إن نموذج جوجل أظهر دقة تفوق “النموذج الأوروبي”، الذي يعتبر على نطاق واسع المعيار الذهبي.
اشترك في النشرة الإخبارية The Post Most للحصول على أهم القصص المثيرة للاهتمام من صحيفة واشنطن بوست.
وأظهرت الدراسة، التي نشرت في مجلة ساينس، أن نموذج الذكاء الاصطناعي أكثر دقة للتنبؤات الجوية اليومية والأحداث المتطرفة، مثل الأعاصير والحرارة والبرد الشديدين.
قد يشير أدائها الممتاز ونتائجها الواعدة من نماذج الذكاء الاصطناعي الأخرى مثلها إلى بداية حقبة جديدة للتنبؤ بالطقس، على الرغم من أن الخبراء يقولون إن هذا لا يعني أن الذكاء الاصطناعي جاهز ليحل محل جميع طرق التنبؤ التقليدية.
تم تدريب نموذج الذكاء الاصطناعي الخاص بشركة Google DeepMind، والمسمى “GraphCast”، على ما يقرب من 40 عامًا من البيانات التاريخية، ويمكنه تقديم توقعات لمدة 10 أيام بفواصل زمنية مدتها ست ساعات لمواقع منتشرة حول العالم في أقل من دقيقة على جهاز كمبيوتر بحجم شاشة الكمبيوتر. صندوق صغير. ويستغرق النموذج التقليدي ساعة أو أكثر على حاسوب عملاق بحجم حافلة مدرسية لإنجاز نفس العمل الفذ. كان GraphCast أكثر دقة بحوالي 10 بالمائة من النموذج الأوروبي فيما يتعلق بأكثر من 90 بالمائة من متغيرات الطقس التي تم تقييمها.
وتتشابه نتائج الدراسة مع تلك الواردة في مقال أكاديمي نُشر في أغسطس على قاعدة البيانات الإلكترونية arXiv.
وقال آرون هيل، المطور الرئيسي لنظام التنبؤ بالتعلم الآلي بجامعة ولاية كولورادو، في رسالة بالبريد الإلكتروني: “إن القدرة على المنافسة مع أفضل نظام تنبؤ عالمي، إن لم يكن التفوق عليه، أمر مذهل”. “يمكنك إضافة GraphCast بأمان إلى قائمة متزايدة من نماذج التنبؤ بالطقس القائمة على الذكاء الاصطناعي والتي ينبغي أن تشهد تقييمًا مستمرًا لتطبيقاتها في الصناعة والبحث والتنبؤ التشغيلي.”
لقد اجتذبت نماذج الطقس المعتمدة على الذكاء الاصطناعي اهتمامًا متزايدًا من وكالات الأرصاد الجوية الحكومية بسبب سرعتها وكفاءتها وتوفير التكاليف المحتمل.
نماذج الطقس التقليدية، مثل “النموذج الأوروبي” الذي يديره المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF) في ريدينغ ببريطانيا، و”الأمريكي” الذي تديره الإدارة الوطنية للمحيطات والغلاف الجوي، تضع تنبؤات تعتمد على حسابات رياضية معقدة. المعادلات. تدعم مثل هذه النماذج التنبؤات والتحذيرات المنقذة للحياة في جميع أنحاء العالم، ولكن تشغيلها مكلف لأنها تتطلب كميات هائلة من الطاقة الحاسوبية.
تستخدم نماذج الذكاء الاصطناعي نهجًا مختلفًا. يتم تدريبهم أولاً على التعرف على الأنماط في كميات هائلة من بيانات الطقس التاريخية، ثم توليد التنبؤات من خلال استيعاب الظروف الحالية وتطبيق ما تعلموه من الأنماط التاريخية. تعد هذه العملية أقل كثافة من الناحية الحسابية ويمكن إكمالها في دقائق أو حتى ثوانٍ على أجهزة كمبيوتر أصغر بكثير.
تعد القدرة على التعلم من الأرشيفات المتزايدة لبيانات الطقس السابقة ميزة رئيسية لنماذج الذكاء الاصطناعي. وكتب المؤلفون الذين طوروا النموذج في الدراسة: “هذا لديه القدرة على تحسين دقة التنبؤ من خلال التقاط الأنماط والمقاييس في البيانات التي لا يمكن تمثيلها بسهولة في معادلات واضحة”.
تم تقييم أداء GraphCast مقابل النموذج الأوروبي ليس فقط لمتغيرات الطقس الفردية مثل درجة الحرارة والرياح والضغط، ولكن أيضًا في التنبؤ بالأحداث المتطرفة بما في ذلك الأعاصير الاستوائية والأنهار الجوية وموجات الحرارة والبرد.
أعرب الباحثون عن مخاوفهم بشأن قدرة الذكاء الاصطناعي على التنبؤ بدقة بالطقس القاسي، ويرجع ذلك جزئيًا إلى وجود عدد قليل نسبيًا من مثل هذه الأحداث التي يمكن التعلم منها في الماضي. ومع ذلك، خفضت GraphCast أخطاء التنبؤ بالأعاصير بحوالي 10 إلى 15 ميلًا في فترة زمنية تتراوح من يومين إلى أربعة أيام، وحسنت التنبؤات ببخار الماء المرتبط بالأنهار الجوية بنسبة 10 إلى 25 بالمائة، وقدمت تنبؤات أكثر دقة للحرارة الشديدة والبرد من خمسة إلى خمسة. 10 أيام قبل الموعد المحدد.
“الحكمة التقليدية قد تقول استخدام [AI] قد لا يكون أداؤه جيدًا في الأمور النادرة وغير العادية. وقال بيتر باتاجليا، مدير الأبحاث في Google DeepMind وأحد المؤلفين المشاركين في الدراسة، في مقابلة: “لكن يبدو أن أداءه كان جيدًا في هذا الصدد”. “نعتقد أن هذا يشير أيضًا إلى حقيقة أن النموذج يلتقط شيئًا أكثر جوهرية حول كيفية تطور الطقس فعليًا مع مرور الوقت بدلاً من مجرد البحث عن أنماط أكثر سطحية في البيانات.”
يحذر هيل من أنه في حين أن الدراسة “تعزز فكرة أنه بالنسبة لمعظم الأحداث، يمكن إجراء تنبؤات ماهرة”، فإن النتائج لا تزيل التساؤلات حول فعالية الذكاء الاصطناعي في التنبؤ بالأحداث المتطرفة. وقال: “تصف الدراسة بعض الإحصائيات الشاملة والواسعة إلى حد ما لمهارة التنبؤ بالطقس المتطرف، والتي تشير إلى مدى جودة أداء النموذج في العديد من الأحداث، ولكنها لا تقدم بالضرورة تفاصيل حول كيفية أدائه في أي حدث متطرف واحد”.
لا تزال هناك تحديات أخرى قائمة قبل أن يتم استخدام نماذج الذكاء الاصطناعي مثل GraphCast بشكل موثوق في التنبؤ التشغيلي. على سبيل المثال، نظرًا للقيود المفروضة على بيانات التدريب والقيود الهندسية، فإن نماذج الذكاء الاصطناعي العالمية غير قادرة حتى الآن على إنشاء تنبؤات لعدد كبير من المعلمات أو التفصيل مثل تلك الموجودة في النماذج التقليدية. وهذا يجعل نماذج الذكاء الاصطناعي أقل فائدة في التنبؤ بظواهر أصغر حجما، مثل العواصف الرعدية والفيضانات المفاجئة، أو أنظمة الطقس الأكبر التي يمكن أن تنتج اختلافات كبيرة في كميات هطول الأمطار على مسافات صغيرة.
ويجب على علماء الأرصاد الجوية أيضًا أن يتعلموا الثقة في نماذج الذكاء الاصطناعي التي تكون أعمالها الداخلية أقل شفافية من النماذج التقليدية.
“إن الدور الرئيسي للمتنبئين هو تفسير المعلومات وتوصيلها إلى الشركاء، وهي مهمة أصبحت أكثر صعوبة بسبب عدم وجود أدوات لتحديد سبب قيام نموذج الذكاء الاصطناعي بالتنبؤ بما يفعله،” جاكوب رادفورد، باحث تصور البيانات في المعهد التعاوني لعلم التنبؤ. وقال البحث في الغلاف الجوي في جامعة ولاية كولورادو في رسالة بالبريد الإلكتروني. “لا تزال هذه النماذج في مهدها ولا تزال الثقة بحاجة إلى التطوير في كل من مجتمع البحث والمتنبئين قبل النظر في الاستخدام العملي.”
يتفق معظم الخبراء، بما في ذلك مؤلفو الدراسة، على أن النماذج التقليدية ليست على وشك أن تحل محلها نماذج الذكاء الاصطناعي، التي لا تزال تعتمد على النماذج القديمة لتوفير بيانات التدريب وتوليد الظروف الحالية التي تستخدمها كنقطة انطلاق للتنبؤ. .
وكتب المؤلفون: “لا ينبغي اعتبار نهجنا بديلاً للطرق التقليدية للتنبؤ بالطقس، والتي تم تطويرها لعقود من الزمن، وتم اختبارها بدقة في العديد من سياقات العالم الحقيقي، وتقدم العديد من الميزات التي لم نستكشفها بعد”. “بدلاً من ذلك، ينبغي تفسير عملنا كدليل على ذلك [AI weather prediction] قادر على مواجهة تحديات مشاكل التنبؤ في العالم الحقيقي، ولديه القدرة على استكمال وتحسين أفضل الأساليب الحالية.”
التطورات الحديثة في التنبؤ بالطقس AI
حققت شركات التكنولوجيا الكبرى، بما في ذلك جوجل، ومايكروسوفت، ونفيديا، وهواوي ومقرها الصين، تقدمًا سريعًا في نمذجة الطقس باستخدام الذكاء الاصطناعي في العامين الماضيين. وقد نشرت جميع الشركات الأربع مقالات أكاديمية تدعي أن نماذج الذكاء الاصطناعي العالمية الخاصة بها تعمل على الأقل مثل النموذج الأوروبي. تم تأكيد هذه الادعاءات مؤخرًا من قبل العلماء في ECMWF.
في سبتمبر/أيلول، نجحت نماذج الذكاء الاصطناعي التي طورتها شركات جوجل وإنفيديا وهواوي في تحقيق توقعات مسار الإعصار لي قبل أسبوع من حدوثه. اشتد الإعصار بسرعة ليتحول إلى إعصار من الفئة الخامسة في المحيط الأطلسي شرق منطقة البحر الكاريبي، ثم ضعف قبل أن يصل في نهاية المطاف إلى اليابسة في نوفا سكوتيا بقوة تعادل عاصفة استوائية.
بدأ ECMWF في نشر التوقعات من جميع النماذج الثلاثة على موقعه على الإنترنت بعد يوم واحد فقط من تطور لي لأول مرة إلى عاصفة استوائية. وسيطلق المعهد التعاوني لأبحاث الغلاف الجوي التابع لـ NOAA بجامعة ولاية كولورادو موقعًا إلكترونيًا مشابهًا بحلول أوائل ديسمبر، وفقًا لرادفورد.
وفي الوقت نفسه، أعلن مكتب الأرصاد الجوية في المملكة المتحدة مؤخرًا عن تعاون مع باحثين في معهد آلان تورينج في بريطانيا لتطوير نماذج توقعات الذكاء الاصطناعي “لتحسين التنبؤ ببعض الأحداث الجوية المتطرفة، مثل هطول الأمطار الاستثنائية أو العواصف الرعدية المؤثرة، بدقة أكبر”. وقال مكتب الأرصاد الجوية في بيان.
وفي وقت سابق من هذا الشهر، أعلنت جوجل عن نموذج آخر للذكاء الاصطناعي يمكنه تقديم تنبؤات محلية أكثر لهطول الأمطار ودرجة الحرارة والمعلمات الأخرى لمدة تصل إلى 24 ساعة باستخدام الملاحظات المباشرة من أجهزة استشعار الطقس كنقطة بداية.
إلى جانب النمذجة، يتم استخدام الذكاء الاصطناعي أيضًا لتعزيز التواصل وتفسير التنبؤات الجوية. أعلنت الإدارة الوطنية للمحيطات والغلاف الجوي (NOAA) الشهر الماضي أنها تستخدم الذكاء الاصطناعي لأتمتة ترجمة تنبؤات الطقس إلى الإسبانية والصينية، وستتبع ذلك لغات إضافية، في حين قامت شركة الطقس الخاصة Tomorrow.io بتطوير مساعد الذكاء الاصطناعي المسمى “Gale” لمساعدة العملاء من رجال الأعمال على تفسير الطقس. توقعات لحالات استخدام محددة.
المحتوى ذو الصلة
تشير الغارات الإسرائيلية بطائرات بدون طيار في جنين إلى استراتيجية جديدة، وتخاطر بردة فعل مسلحة