Google DeepMind AI Nails تنبؤات الطقس فائقة الدقة لمدة 10 أيام

كان هذا العام موكب بدون توقف من الظواهر الجوية المتطرفة. اجتاحت حرارة غير مسبوقة الكرة الأرضية. هذا الصيف كان الأكثر سخونة على الأرض منذ عام 1880. فمن الفيضانات المفاجئة في كاليفورنيا والعواصف الجليدية في تكساس إلى حرائق الغابات المدمرة في ماوي وكندا، أثرت الأحداث المرتبطة بالطقس بشكل عميق على حياة الناس والمجتمعات.

كل ثانية لها أهميتها عندما يتعلق الأمر بالتنبؤ بهذه الأحداث. الذكاء الاصطناعي يمكن أن يساعد.

هذا الأسبوع، جوجل DeepMind أطلق الذكاء الاصطناعي الذي يقدم توقعات الطقس لمدة 10 أيام بدقة وسرعة غير مسبوقة. يمكن لهذا النموذج، الذي يُطلق عليه اسم GraphCast، أن يمر عبر مئات من نقاط البيانات المتعلقة بالطقس لموقع معين ويولد تنبؤات في أقل من دقيقة. عندما تم تحدي الذكاء الاصطناعي بأكثر من ألف من أنماط الطقس المحتملة، فقد تغلب على أحدث الأنظمة بنسبة 90 بالمائة تقريبًا من الوقت.

لكن GraphCast لا يقتصر فقط على إنشاء تطبيق طقس أكثر دقة لاختيار خزائن الملابس.

وعلى الرغم من عدم تدريبه بشكل صريح على اكتشاف أنماط الطقس القاسية، فقد التقط الذكاء الاصطناعي العديد من الأحداث الجوية المرتبطة بهذه الأنماط. مقارنةً بالطرق السابقة، فقد تتبعت مسارات الأعاصير بشكل أكثر دقة واكتشفت الأنهار الجوية - وهي مناطق متعرجة في الغلاف الجوي مرتبطة بالفيضانات.

كما توقع موقع GraphCast ظهور درجات الحرارة القصوى قبل وقت طويل من الطرق الحالية. مع من المقرر أن يكون عام 2024 أكثر دفئًا ومع تزايد الظواهر الجوية المتطرفة، يمكن لتنبؤات الذكاء الاصطناعي أن تمنح المجتمعات وقتًا ثمينًا للاستعداد وإنقاذ الأرواح.

"يعد GraphCast الآن النظام العالمي الأكثر دقة للتنبؤ بالطقس لمدة 10 أيام في العالم، ويمكنه التنبؤ بالظواهر الجوية المتطرفة في المستقبل أكثر مما كان ممكنًا في السابق"، كما يقول المؤلفون. كتب في منشور مدونة DeepMind.

أيام ممطرة

يعد التنبؤ بأنماط الطقس، حتى قبل أسبوع واحد فقط، مشكلة قديمة ولكنها صعبة للغاية. نحن نبني العديد من القرارات على هذه التوقعات. بعضها جزء لا يتجزأ من حياتنا اليومية: هل يجب أن أمسك مظلتي اليوم؟ القرارات الأخرى هي حياة أو موت، مثل موعد إصدار أوامر الإخلاء أو الإيواء في المكان.

ويعتمد برنامجنا الحالي للتنبؤ إلى حد كبير على النماذج الفيزيائية للغلاف الجوي للأرض. ومن خلال دراسة فيزياء أنظمة الطقس، كتب العلماء عددًا من المعادلات من عقود من البيانات، والتي يتم بعد ذلك تغذيتها في أجهزة الكمبيوتر العملاقة لتوليد التنبؤات.

ومن الأمثلة البارزة على ذلك نظام التنبؤ المتكامل في المركز الأوروبي للتنبؤات الجوية متوسطة المدى. يستخدم النظام حسابات معقدة تعتمد على فهمنا الحالي لأنماط الطقس لإنتاج تنبؤات كل ست ساعات، مما يوفر للعالم بعضًا من أكثر التنبؤات الجوية المتاحة دقة.

وكتب فريق ديب مايند أن هذا النظام "والتنبؤ بالطقس الحديث بشكل عام، هما انتصاران للعلم والهندسة".

على مر السنين، تحسنت دقة الأساليب المعتمدة على الفيزياء بسرعة، ويرجع ذلك جزئيًا إلى أجهزة الكمبيوتر الأكثر قوة. لكنها تظل تستغرق وقتا طويلا ومكلفة.

هذا ليس مفاجئا. الطقس هو أحد الأنظمة الفيزيائية الأكثر تعقيدًا على وجه الأرض. ربما سمعت عن تأثير الفراشة: الفراشة ترفرف بجناحيها، وهذا التغيير الطفيف في الغلاف الجوي يغير مسار الإعصار. وعلى الرغم من كونه مجرد استعارة، إلا أنه يجسد مدى تعقيد التنبؤ بالطقس.

اتخذ GraphCast نهجا مختلفا. ننسى الفيزياء، دعونا نجد الأنماط في بيانات الطقس الماضية وحدها.

خبير أرصاد جوية يعمل بالذكاء الاصطناعي

يعتمد GraphCast على نوع من الشبكة العصبية والتي تم استخدامها سابقًا للتنبؤ بأنظمة أخرى قائمة على الفيزياء، مثل ديناميكيات الموائع.

لديها ثلاثة أجزاء. أولاً، يقوم جهاز التشفير بتعيين المعلومات ذات الصلة - على سبيل المثال، درجة الحرارة والارتفاع في موقع معين - على رسم بياني معقد. فكر في هذا باعتباره رسمًا بيانيًا مجردًا يمكن للآلات فهمه بسهولة.

الجزء الثاني هو المعالج الذي يتعلم تحليل المعلومات وتمريرها إلى الجزء الأخير وهو وحدة فك التشفير. يقوم جهاز فك التشفير بعد ذلك بترجمة النتائج إلى خريطة حقيقية للتنبؤ بالطقس. بشكل عام، يمكن لـ GraphCast التنبؤ بأنماط الطقس خلال الساعات الست القادمة.

لكن ست ساعات ليست 10 أيام. وهنا كيكر. يمكن للذكاء الاصطناعي أن يتعلم من توقعاته الخاصة. يتم تغذية تنبؤات GraphCast مرة أخرى كمدخلات، مما يسمح لها بالتنبؤ بالطقس تدريجيًا في الوقت المناسب. وكتب الفريق أن هذه طريقة تُستخدم أيضًا في أنظمة التنبؤ بالطقس التقليدية.

تم تدريب GraphCast على ما يقرب من أربعة عقود من بيانات الطقس التاريخية. وباستخدام استراتيجية فرق تسد، قام الفريق بتقسيم الكوكب إلى بقع صغيرة، تبلغ مساحتها حوالي 17 × 17 ميلًا عند خط الاستواء. وأدى ذلك إلى أكثر من مليون "نقطة" تغطي الكرة الأرضية.

بالنسبة لكل نقطة، تم تدريب الذكاء الاصطناعي باستخدام البيانات التي تم جمعها مرتين - واحدة حالية، والأخرى قبل ست ساعات - وتضمنت العشرات من المتغيرات من سطح الأرض والغلاف الجوي - مثل درجة الحرارة والرطوبة وسرعة الرياح واتجاهها على ارتفاعات عديدة مختلفة.

كان التدريب مكثفًا حسابيًا واستغرق إكماله شهرًا.

ومع ذلك، بمجرد تدريبه، يصبح الذكاء الاصطناعي نفسه عالي الكفاءة. يمكنه إنتاج توقعات لمدة 10 أيام باستخدام مادة TPU واحدة في أقل من دقيقة. وأوضح الفريق أن الأساليب التقليدية التي تستخدم أجهزة الكمبيوتر العملاقة تستغرق ساعات من الحساب.

شعاع من الضوء

ولاختبار قدراته، قام الفريق بوضع GraphCast في مواجهة المعيار الذهبي الحالي للتنبؤ بالطقس.

كان الذكاء الاصطناعي أكثر دقة بنسبة 90 بالمائة تقريبًا من الوقت. وقد تفوقت بشكل خاص عند الاعتماد فقط على البيانات الواردة من طبقة التروبوسفير - وهي طبقة الغلاف الجوي الأقرب إلى الأرض والتي تعتبر بالغة الأهمية للتنبؤ بالطقس - متفوقة على المنافسة بنسبة 99.7 في المائة من الوقت. تفوق أداء GraphCast أيضًا بانغو الطقس، أحد أفضل نماذج الطقس المنافسة التي تستخدم التعلم الآلي.

قام الفريق بعد ذلك باختبار GraphCast في العديد من سيناريوهات الطقس الخطيرة: تتبع الأعاصير المدارية، واكتشاف الأنهار الجوية، والتنبؤ بالحرارة والبرد الشديدين. وعلى الرغم من عدم تدريبه على "إشارات تحذيرية" محددة، فقد أطلق الذكاء الاصطناعي ناقوس الخطر في وقت أبكر من النماذج التقليدية.

وقد حصل النموذج أيضًا على مساعدة من الأرصاد الجوية الكلاسيكية. على سبيل المثال، أضاف الفريق برنامج تتبع الأعاصير الحالي إلى توقعات GraphCast. هذا المزيج أتى بثماره. وفي سبتمبر/أيلول، نجح الذكاء الاصطناعي في التنبؤ بمسار إعصار لي أثناء اجتياحه للساحل الشرقي باتجاه نوفا سكوتيا. تنبأ النظام بدقة بوصول العاصفة إلى اليابسة قبل تسعة أيام، أي أسرع بثلاثة أيام ثمينة من طرق التنبؤ التقليدية.

لن يحل GraphCast محل النماذج التقليدية القائمة على الفيزياء. وبدلاً من ذلك، تأمل شركة DeepMind أن تتمكن من تعزيزها. المركز الأوروبي للتنبؤات الجوية متوسطة المدى يتم بالفعل تجربة النموذج لنرى كيف يمكن دمجها في توقعاتهم. تعمل DeepMind أيضًا على تحسين قدرة الذكاء الاصطناعي على التعامل مع عدم اليقين، وهي حاجة ملحة نظرًا لسلوك الطقس الذي لا يمكن التنبؤ به بشكل متزايد.

GraphCast ليس خبير الطقس الوحيد القائم على الذكاء الاصطناعي. قام باحثو DeepMind وGoogle سابقًا ببناء اثنين إقليمي عارضات ازياء يمكنها التنبؤ بدقة بالطقس قصير المدى قبل 90 دقيقة أو 24 ساعة. ومع ذلك، يمكن لـ GraphCast التطلع إلى الأمام. عند استخدامها مع برامج الطقس القياسية، يمكن أن يؤثر هذا المزيج على القرارات المتعلقة بحالات الطوارئ الجوية أو توجيه سياسات المناخ. على الأقل، قد نشعر بمزيد من الثقة بشأن قرار تفعيل هذه المظلة.

وكتب المؤلفون: "نعتقد أن هذا يمثل نقطة تحول في التنبؤ بالطقس".

الصورة الائتمان: جوجل DeepMind

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/