ابق على اطلاع بالتحديثات المجانية
ببساطة قم بالتسجيل في الذكاء الاصطناعي myFT Digest – يتم تسليمه مباشرة إلى صندوق الوارد الخاص بك.
كشفت Google DeepMind عن نموذج للتنبؤ بالطقس يعتمد على الذكاء الاصطناعي يتفوق على الطرق التقليدية في التنبؤات لمدة تصل إلى 15 يومًا، كما أنه أفضل في توقع الأحداث المتطرفة.
تقيس الأداة، المعروفة باسم GenCast، احتمال وجود سيناريوهات متعددة لتقدير الاتجاهات بدقة بدءًا من إنتاج طاقة الرياح إلى تحركات الأعاصير المدارية.
تعد تقنية GenCast الاحتمالية علامة فارقة جديدة في التقدم السريع في استخدام الذكاء الاصطناعي لتشغيل توقعات الطقس اليومية بشكل أفضل وأسرع، وهو نهج يتبناه المتنبئون التقليديون الكبار بشكل متزايد.
“[This] وقال إيلان برايس، عالم الأبحاث في Google DeepMind: “يمثل هذا بمثابة نقطة انعطاف في تقدم الذكاء الاصطناعي للتنبؤ بالطقس، حيث تأتي أحدث التنبؤات الأولية الآن من نماذج التعلم الآلي”.
“يمكن دمج GenCast كجزء من أنظمة التنبؤ بالطقس التشغيلية، مما يوفر رؤى قيمة لمساعدة صناع القرار على فهم أحداث الطقس القادمة والاستعداد لها بشكل أفضل.”
إن حداثة GenCast مقارنة بنماذج التعلم الآلي السابقة هي استخدامها لما يسمى بتنبؤات “المجموعة” التي تمثل نتائج مختلفة، وهي تقنية منتشرة في التنبؤ التقليدي الحديث. تم تدريب GenCast على أربعة عقود من البيانات من المركز الأوروبي للتنبؤ بالطقس متوسط المدى (ECMWF).
وتفوق النموذج على توقعات ECMWF لمدة 15 يومًا بنسبة 97.2% من 1320 متغيرًا، مثل درجة الحرارة وسرعة الرياح والرطوبة، وفقًا لورقة بحثية نُشرت في مجلة Nature يوم الأربعاء.
تمثل النتائج تحسنًا إضافيًا في الدقة والنطاق في نموذج GraphCast الذي تم الكشف عنه في Google DeepMind العام الماضي. تفوق أداء GraphCast على توقعات ECMWF بحوالي 90 في المائة من مقاييس التنبؤات قبل ثلاثة إلى عشرة أيام.
عادةً ما تكون نماذج التنبؤ بالذكاء الاصطناعي أسرع وربما أكثر كفاءة من طرق التنبؤ القياسية، التي تعتمد على قوة حاسوبية هائلة لحل المعادلات المستمدة من فيزياء الغلاف الجوي. يمكن لـ GenCast إنشاء تنبؤاتها في ثماني دقائق فقط، مقارنة بساعات للتنبؤات التقليدية – وبجزء بسيط من احتياجات المعالجة الإلكترونية.
وقال الباحثون إن نموذج GenCast يمكن تحسينه بشكل أكبر في مجالات مثل قدرته على التنبؤ بكثافة العواصف الكبيرة. ويمكن زيادة دقة بياناته لتتناسب مع التحديثات التي أجراها ECMWF هذا العام.
وقال ECMWF إن تطوير GenCast كان “معلمًا مهمًا في تطور التنبؤ بالطقس”. وقالت إنها قامت بدمج “المكونات الرئيسية” لنهج GenCast في نسخة من نظام التنبؤ بالذكاء الاصطناعي الخاص بها، مع توفر تنبؤات حية للمجموعات منذ يونيو.
وأضاف ECMWF أن علم التعلم الآلي المبتكر وراء GenCast لا يزال بحاجة إلى الاختبار في الظواهر الجوية القاسية.
سيؤدي تطوير GenCast إلى زيادة النقاش حول مدى اتساع نطاق استخدام الذكاء الاصطناعي في التنبؤ، حيث يفضل العديد من العلماء استخدام تقنية هجينة لبعض الأغراض.
وفي يوليو/تموز، كشفت جوجل عن نموذج NeuralGCM، الذي يجمع بين التعلم الآلي والفيزياء التقليدية لتحقيق نتائج أفضل من الذكاء الاصطناعي وحده للتنبؤ طويل المدى والاتجاهات المناخية.
“هناك أسئلة ومناقشات مفتوحة حول التوازن الأمثل بين الفيزياء وأنظمة التنبؤ بالتعلم الآلي. مجتمع علمي واسع بما في ذلك [us] قال ECMWF: “إننا نستكشف هذا الأمر بنشاط”.
وقال ستيفن رامسديل، كبير المتنبئين المسؤول عن الذكاء الاصطناعي، إن مكتب الأرصاد الجوية في المملكة المتحدة، وهو خدمة الطقس الوطنية، يبحث في كيفية تسخير التطورات “المثيرة” في نماذج التنبؤ المعتمدة على الذكاء الاصطناعي الخاصة به.
وأضاف: “إننا نحافظ على أن القيمة الكبرى تأتي من نهج هجين يجمع بين التقييم البشري والنماذج التقليدية القائمة على الفيزياء والتنبؤ بالطقس القائم على الذكاء الاصطناعي”.
