في دقائق.. أداة ثورية من جوجل للتنبؤ بالطقس بدقة غير مسبوقة

دخلت التنبؤات الجوية مرحلة جديدة ومثيرة بفضل تطوير GenCast، أداة تعتمد على الذكاء الاصطناعي من إنتاج شركة جوجل.

تتميز أداة GenCast بدقتها العالية، حيث تتفوق على نظام التنبؤ المعروف ENS، الذي يستخدمه المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF)، في مجالات مثل التنبؤ بالطقس اليومي ورصد الأحداث المتطرفة كالأعاصير.

أثناء اختبارها، حققت أداة جوجل الجديدة GenCast دقة أعلى تصل إلى 20% مقارنةً بـ ENS، وبشكل خاص في تنبؤات على المدى البعيد قبل حدوثها بـ 15 يوما بشأن أنماط الطقس ومسارات العواصف الاستوائية.

وفي هذا الصدد، صرح إيلان برايس، عالم الأبحاث في جوجل DeepMind: 'إن تجاوز ENS يمثل نقطة تحول في تطور الذكاء الاصطناعي في مجال التنبؤ بالطقس، على المدى القريب، ستظل هذه النماذج مرفقة بجانب الأساليب التقليدية المعروفة'.

تشير النتائج التي نشرت هذا الأسبوع في مجلة “Nature”، إلى الإمكانات التحويلية للذكاء الاصطناعي في مجال التنبؤات الجوية، والدور الحيوي الذي يمكن أن تلعبه أدوات مثل GenCast في إنقاذ الأرواح وتقليل الخسائر الاقتصادية، في ظل الظروف المناخية المتزايدة والشديدة الناتجة عن أزمة المناخ.

يمكن أيضا أن تساهم GenCast في تخطيط الطاقة المتجددة، مما يساعد على تعزيز اعتماد مصادر الطاقة المستدامة مثل طاقة الرياح.

يعتمد التنبؤ التقليدي بالطقس على حل معادلات فيزيائية معقدة باستخدام حواسيب عملاقة، وهي عملية قد تستغرق ساعات، ولكن أداة جوجل GenCast تتبع نهجا مختلفا تماما، حيث تم تدريبها على 40 عاما من بيانات الطقس المؤرشفة، بما في ذلك سرعة الرياح ودرجات الحرارة والرطوبة على مختلف الارتفاعات، استطاع الذكاء الاصطناعي تعلم كيفية توقع تغيرات الطقس عالميا. 

يعمل النظام على معالجة هذه البيانات في دقائق باستخدام شريحة Google Cloud TPU المتخصصة في التعلم الآلي.

بدلا من تقديم تنبؤ واحد فقط، ينتج GenCast مجموعات من التنبؤات مع احتمالات مختلفة للأحداث، يتيح هذا النهج تقييما أفضل للمخاطر، وهو أمر بالغ الأهمية عند توقع الظواهر الجوية المتطرفة التي قد تؤدي إلى نتائج حاسمة.

على الرغم من أن GenCast لن يحل محل التنبؤ التقليدي في المستقبل القريب، إلا أن دوره التكاملي يحمل إمكانيات كبيرة، على سبيل المثال، يمكن لشركات الطاقة استخدام بيانات GenCast لتحسين أداء مزارع الرياح، بينما يمكن لخدمات الطوارئ الاستعداد بشكل أفضل للأحداث المناخية القاسية، مثل الأعاصير، بما في ذلك تحديد أماكن هبوطها المحتملة.

تعتمد هذه التطورات على جهود سابقة في مجال التنبؤ من جوجل المدعومة بالذكاء الاصطناعي، مثل GraphCast وNeuralGCM. 

يوفر GraphCast تنبؤات فردية كـ 'أفضل تخمين'، بينما تجمع NeuralGCM بين الذكاء الاصطناعي والفيزياء التقليدية لنمذجة المناخ والطقس على نطاق واسع، تكمن ابتكارية GenCast في قدرته على دمج هذه الأنظمة وتوسيع نطاقها، مما يوفر تنبؤات أسرع، وأكثر دقة، وموثوقية.

وتفوق نموذج GenCast على الأنظمة الرائدة في مجال التنبؤ بالطقس مثل ENS التابعة لـ ECMWF، في 97.2% من الحالات، وحقق دقة تصل إلى 99.8% في التنبؤات قصيرة الأجل التي تمتد إلى 36 ساعة أو أكثر، والذي كان له الفضل في التنبؤ بمسار إعصار هاجيبس الذي ضرب اليابان عام 2019.