ابق على اطلاع بالتحديثات المجانية
فقط قم بالتسجيل في تغير المناخ ملخص myFT – يتم تسليمه مباشرة إلى صندوق الوارد الخاص بك.
ساهم الذكاء الاصطناعي في تحقيق تقدم كبير في التنبؤات الجوية والمناخية الدقيقة على المدى الطويل، وفقًا لبحث يبشر بالتقدم في كل من التنبؤ والاستخدام الأوسع للتعلم الآلي.
وباستخدام مزيج من التعلم الآلي وأدوات التنبؤ الموجودة، نجح نموذج بقيادة جوجل يسمى NeuralGCM في تسخير الذكاء الاصطناعي لنماذج الفيزياء الجوية التقليدية لتتبع اتجاهات المناخ التي استمرت لعقود من الزمن وأحداث الطقس المتطرفة مثل الأعاصير، كما اكتشف فريق من العلماء.
ويقترح الباحثون أن هذا الجمع بين التعلم الآلي والتقنيات الراسخة يمكن أن يوفر نموذجًا لتحسين استخدام الذكاء الاصطناعي في مجالات أخرى من اكتشاف المواد إلى التصميم الهندسي. وقالوا إن نموذج NeuralGCM كان أسرع بكثير من التنبؤات التقليدية للطقس والمناخ وأفضل من النماذج التي تعتمد على الذكاء الاصطناعي فقط في التنبؤات طويلة الأجل.
قال ستيفان هوير، كبير مهندسي فريق البحث في جوجل والمؤلف المشارك في ورقة بحثية عن العمل المنشور في مجلة Nature: “يظهر نموذج NeuralGCM أنه عندما نجمع بين الذكاء الاصطناعي والنماذج القائمة على الفيزياء، يمكننا تحسين دقة وسرعة محاكاة المناخ الجوي بشكل كبير”.
وقالت الدراسة إن نموذج NeuralGCM أثبت أنه أسرع وأكثر دقة ويستخدم طاقة حوسبة أقل في الاختبارات ضد نموذج التنبؤ الحالي الذي يعتمد على أدوات الفيزياء الجوية المسماة X-SHiELD، والذي يتم تطويره بواسطة إحدى أذرع الإدارة الوطنية للمحيطات والغلاف الجوي في الولايات المتحدة.
في إحدى التجارب، حدد برنامج NeuralGCM نفس عدد الأعاصير المدارية تقريبًا كما فعلت أجهزة تتبع الطقس المتطرفة التقليدية، وعددًا مضاعفًا من X-SHiELD. وفي اختبار آخر يعتمد على مستويات درجات الحرارة والرطوبة خلال عام 2020، كان معدل الخطأ أقل بنسبة تتراوح بين 15 و50 في المائة.
وتقول الدراسة إن حسابات NeuralGCM كانت قادرة على توليد 70 ألف يوم محاكاة في 24 ساعة باستخدام إحدى وحدات معالجة الموتر المخصصة للذكاء الاصطناعي من Google. وعلى النقيض من ذلك، بالنسبة للحسابات القابلة للمقارنة، أنتجت X-SHiELD 19 يوم محاكاة فقط، واحتاجت إلى 13824 وحدة كمبيوتر للقيام بذلك.
تعاونت شركة Google في تطوير NeuralGCM مع المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF).
وقد جعلت المجموعة الأوروبية نموذجها متاحًا للعامة في يونيو/حزيران، وجعلت جوجل الكود الخاص بـ NeuralGCM مفتوحًا. ويستخدم 80 عامًا من بيانات المراقبة وإعادة التحليل من ECMWF للتعلم الآلي.
كشفت وحدة DeepMind التابعة لشركة Google العام الماضي عن نموذج للتنبؤ بالطقس يعتمد على الذكاء الاصطناعي يسمى GraphCast، والذي تفوق على الطرق التقليدية لفترات تصل إلى 10 أيام مقدمًا.
كما أن وكالات التنبؤ بالطقس العريقة، مثل مكتب الأرصاد الجوية في المملكة المتحدة، لديها أيضًا مشاريع لدمج التعلم الآلي في عملها.
وقال بيتر دويبن، رئيس نموذج نظام الأرض في المركز الأوروبي للتنبؤات الجوية المتوسطة المدى والمؤلف المشارك في الدراسة الأخيرة، إن النماذج المعتمدة على الذكاء الاصطناعي فقط “غالبًا ما ينظر إليها بتشكك” من قبل الخبراء لأنها لا تستند إلى معادلات رياضية مستمدة من الفيزياء.
وقال إن الجمع بين النموذج القائم على الفيزياء ونموذج التعلم العميق “يبدو أنه يجمع بين الأفضل من العالمين”، مضيفًا أن هذا النهج كان “خطوة كبيرة نحو نمذجة المناخ باستخدام التعلم الآلي”.
وقال دويبن إن هناك المزيد من “العمل الذي يتعين القيام به”، مثل تمكين NeuralGCM من تقدير تأثير زيادات ثاني أكسيد الكربون على درجات حرارة السطح العالمية. وذكرت الورقة البحثية أن المجالات الأخرى التي يحتاج فيها النموذج إلى تحسين تشمل قدرته على محاكاة المناخات غير المسبوقة.
وقال سيدريك إم جون، الخبير غير المشارك في العمل ورئيس قسم علوم البيانات للبيئة والاستدامة في جامعة كوين ماري في لندن، إن هناك “أدلة دامغة” على أن نموذج NeuralGCM أكثر دقة من التعلم الآلي وحده وأسرع من نموذج “الفيزياء الكاملة”. وبينما لا يزال هناك “مجال للتحسين”، فإن احتمال الخطأ يجب أن يكون قابلاً للقياس ويجب أن تكون الترقيات ممكنة، كما اقترح.
وقال جون: “الأمر المهم هو أن هذا النموذج الهجين يعمل بشكل جيد في التقاط مجموعة من التوقعات، والنتيجة العملية لهذا هي أنه يمكن استخلاص تقدير لمدى عدم اليقين في التنبؤ”.
لقد أصبحت شركة جوجل منخرطة في عدد متزايد من مبادرات مراقبة البيئة. فهي تقدم الدعم التكنولوجي لمهمة قمر صناعي لتتبع انبعاثات غاز الميثان المسببة للاحتباس الحراري، وتتعاون مع وكالة الفضاء الأمريكية ناسا لمساعدة الحكومات المحلية في مراقبة جودة الهواء.
