نموذج جديد للتنبؤ بالطقس مدعوم بالذكاء الاصطناعي قد يكون مفتاح مستقبل توقعاتك الجوية، لكن هناك شرطًا.

إن التنبؤ الدقيق بالطقس أمر صعب - صعب حقاً، لكن نموذجاً جديداً للتنبؤ بالطقس مدعوماً بالذكاء الاصطناعي حقق للتو إنجازاً جعل الخبراء يقولون إن توقعاتك قد تصبح قريباً أكثر دقة وأبعد مدى أيضاً.

يتطلب الأمر جهداً هائلاً لمواكبة الطقس في جو متقلب باستمرار. إن المهمة صعبة ومعقدة للغاية لدرجة أن التنبؤ الموثوق به قبل أكثر من يومين لم يكن يُسمع به قبل بضعة عقود فقط.

فقد كانت التنبؤات قبل خمسة أيام في أوائل الثمانينيات دقيقة فقط حوالي 65% من الوقت. ولكن تحسن عمليات رصد الطقس بشكل أفضل، وزيادة قوة الحوسبة والابتكارات في طريقة نمذجة الطقس حول العالم بواسطة أجهزة الكمبيوتر قد حسّن التوقعات بسرعة فائقة. أما اليوم فإن نفس التوقعات تصيب الهدف تسع مرات من أصل 10.

قال الخبراء إن التنبؤات خطت خطوة أخرى إلى الأمام هذا الشهر، وذلك بفضل GenCast، وهو نموذج جديد لتوقعات الذكاء الاصطناعي من قبل شركة DeepMind التابعة لشركة Google. فقد كانت تنبؤاته خلال 15 يومًا أكثر دقة بكثير من أحد أكثر نماذج التنبؤات التقليدية غير المعتمدة على الذكاء الاصطناعي احترامًا، وفقًا لدراسة نشرتها شركة DeepMind في مجلة Nature.

قال بيتر دوبين، خبير التعلم الآلي ورئيس قسم نمذجة نظام الأرض في المركز الأوروبي للتنبؤات الجوية متوسطة المدى، وهو موطن النموذج الذي تفوق على نموذج GenCast: "إنها نتيجة مبهرة". "إنها خطوة كبيرة."

إن GenCast ليس جاهزاً للعامة بعد. فلا يزال أمام هذا النموذج ونماذج الذكاء الاصطناعي الأخرى بعض المشاكل الرئيسية التي يجب حلها، لا سيما في التنبؤ بالطقس الأكثر تواتراً وشدة في عالم يزداد احتراراً، قبل أن يغيروا التنبؤ وينقذوا الأرواح في هذه العملية.

الإنسان ضد الآلة

لطالما ارتبطت مهارة نماذج التنبؤ بالطقس وفائدتها ارتباطاً وثيقاً بالتكنولوجيا.

فغالبية نماذج التنبؤ بالطقس المستخدمة اليوم تعتمد على سلسلة معقدة من المعادلات الرياضية التي تصوغ فيزياء الغلاف الجوي وتستخدم مئات الملايين من نقاط البيانات المستقاة من الملاحظات الجوية في الوقت الحقيقي لرسم صورة لكيفية سير الطقس بعد يوم أو أسبوع أو حتى موسم من الآن.

وقد تم تصور هذه العملية للتنبؤ العددي بالطقس لأول مرة في أوائل القرن العشرين، وكان من الضروري القيام بها يدوياً، وهي طريقة بطيئة جداً لدرجة أن الطقس قد حدث بالفعل قبل وقت طويل من الانتهاء من الحسابات.

وقد حسّنت الحواسيب المبكرة عملية التنبؤ في الخمسينيات والستينيات من القرن العشرين، ولكن لم يتم تشغيل أول نموذج قادر على سحب البيانات من جميع أنحاء العالم وتوليد توقعات بدائية حتى عام 1974.

وبالانتقال إلى يومنا هذا نجد أن الحواسيب العملاقة تقوم بإجراء عدد لا يمكن فهمه تقريباً من العمليات الحسابية يومياً لإنتاج تنبؤات جوية مفصلة للغاية لعدة أيام في المستقبل في جميع أنحاء العالم.

ولكن لا تزال نماذج التنبؤ الحالية تعاني من قيود. فأقوى هذه النماذج لا يمكن تشغيلها إلا كل بضع ساعات بسبب الوقت الذي يستغرقه إجراء الحسابات المعقدة. كما أنها تتطلب الكثير من القدرة الحاسوبية والطاقة مما يجعلها مكلفة.

كما أن لها قيودًا عندما يتعلق الأمر بالتنبؤ أيضًا. فكلما ابتعدوا في الوقت المناسب عن عمليات رصد الغلاف الجوي، زادت صعوبة الحصول على فكرة واضحة عما سيحدث لأن الغلاف الجوي لا يتوقف عن التغير.

وتتبع معظم نماذج التنبؤ بالطقس التي تعمل بالذكاء الاصطناعي مثل نموذج GenCast من جوجل نهجاً مختلفاً. فبدلاً من الاعتماد على الملاحظات الموصولة بالمعادلات القائمة على الفيزياء، فإنها تتنبأ بكيفية تصرف الغلاف الجوي للأرض في المستقبل من خلال تحليل بيانات الطقس السابقة التي تم التحقق منها لفهم كيفية تصرف الغلاف الجوي في حالات مماثلة. ويساعد ذلك على تحسين الدقة مقارنة بالنماذج التقليدية من خلال التخلص من الأخطاء في بيانات الطقس في الوقت الحقيقي.

كما أن نماذج تنبؤات الذكاء الاصطناعي تُجري عمليات محاكاة أسرع بكثير وتستخدم طاقة حوسبة أقل من النماذج التقليدية بمجرد تدريبها وجاهزيتها للعمل. وهذا يعني أنه يمكن تشغيلها بشكل متكرر أكثر ونمذجة نطاق أوسع من الاحتمالات، مما يحسن التوقعات أثناء قيامها بذلك.

جوجل تغير قواعد اللعبة

اقتصرت نمذجة الطقس بالذكاء الاصطناعي قبل تطبيق GenCast من Google على النماذج التي تفرز توقعات واحدة دون أي إشارة إلى مدى احتمال حدوثها. إنها في الأساس أفضل تخمين يكون مفيدًا للغاية في التنبؤ بمتغيرات الطقس الشائعة مثل درجة الحرارة وهطول الأمطار والرياح قبل بضعة أيام.

لكن GenCast يدير العشرات من عمليات المحاكاة في وقت واحد.

يقول إيلان برايس، المؤلف الرئيسي للدراسة الجديدة وكبير علماء الأبحاث في شركة ديب مايند: "بمجرد أن يكون لديك عدة مستقبلات محتملة، فإنها تمنحك إحساساً بنطاق ما قد يحدث، كما تتيح لك حساب مدى احتمال حدوث بعض (المستقبلات) أكثر من غيرها".

ويحظى هذا النوع من نهج النمذجة بتقدير كبير لأنه يضفي مزيدًا من الثقة على توقعات الطقس لحوالي خمسة إلى 15 يومًا في المستقبل.

ويُعتبر نموذج المركز الأوروبي للتنبؤات الجوية متوسطة المدى على نطاق واسع المعيار الذهبي. وهو ما أرادت Google أن تتفوق عليه بنسخة الذكاء الاصطناعي الأولى من نوعها - وقد نجحت في ذلك.

قام الباحثون بتدريب GenCast على 40 عاماً من بيانات الطقس حتى عام 2018. ثم استخدموا بعد ذلك النموذج المُدرَّب للتنبؤ بأكثر من 1300 مجموعة من الظروف مثل درجات الحرارة وهطول الأمطار وسرعة الرياح، في طقس عام 2019.

وقد أنتج نموذج الذكاء الاصطناعي تنبؤات أكثر دقة من النموذج التقليدي لـ ECMWF لأكثر من 97% من هذه المتغيرات خلال إطار زمني مدته 15 يوماً، ولكنه أظهر مهارة خاصة خلال الأسبوع الأول من التنبؤات.

وأظهر تحسناً في الدقة بنسبة تتراوح بين 10 و30% في التنبؤات في نطاق ثلاثة إلى خمسة أيام، اعتماداً على مجموعة المتغيرات التي تم اختبارها بالضبط، وفقاً لبرايس. وقالت الدراسة إن GenCast كان لديه أيضًا تنبؤات أكثر دقة من نموذج ECMWF حتى 15 يومًا في المستقبل.

يمكن لنموذج الذكاء الاصطناعي التقاط بعض أشكال الطقس المتطرف بشكل أفضل، بما في ذلك درجات الحرارة المرتفعة والمنخفضة بشكل استثنائي وسرعة الرياح الشديدة. كما احتاج نموذج GenCast إلى أقل من 10 دقائق للتشغيل على حاسوب عملاق، مقارنة بالساعات اللازمة للنماذج التقليدية.

وقال برايس إن النتائج تمثل "نقطة انعطاف" في تكنولوجيا نمذجة الطقس بالذكاء الاصطناعي.

وأضاف برايس: "إن التنبؤ بالطقس القائم على الذكاء الاصطناعي جاهز لوقت الذروة". "إنه جاهز للبدء في دمجه إلى جانب... النماذج التقليدية العاملة."

لم يتم تشغيل GenCast حتى الآن، لكن فريق DeepMind يخطط لاتخاذ خطوة أخرى نحوه من خلال إصدار تنبؤاته الحالية وأرشيف توقعاته السابقة، وفقًا لبرايس.

مشكلة كبيرة يجب حلها

يُعتبر GenCast تقدماً هاماً في مجال النمذجة، ولكن مثل أي نموذج آخر للتنبؤ بالطقس، فهو ليس مثالياً.

تقدم نماذج الذكاء الاصطناعي مشكلة جديدة محتملة لأنها تتنبأ بالمستقبل بناءً على ما رأته في البيانات السابقة.

وأوضح دوبين: "نموذج التعلم الآلي... لا يعرف أي شيء عن الفيزياء".

وهذا يمكن أن يجعل من الصعب على الذكاء الاصطناعي أن يتصوّر الظواهر المتطرفة المستقبلية التي لم تحدث في الماضي القريب. هل يمكن لنموذج الذكاء الاصطناعي المدرّب على 40 عامًا فقط من البيانات أن يتنبأ بدقة بأنواع الظواهر المتطرفة التي تحدث بوتيرة قياسية في مناخ متغير، مثل حدث هطول الأمطار الغزيرة مرة واحدة في كل 100 عام أو مرة واحدة في كل 1000 عام؟

قال دوبين: "اتضح أن هذه النماذج في الواقع أكثر قوة في مواجهة تلك الأحداث المتطرفة مما تعتقد". وأوضح أن ECMWF قد اختبرت نماذج الذكاء الاصطناعي ضد الطقس في الوقت الفعلي لأكثر من عام حتى الآن وشهدت تحسينات في دقتها الإجمالية، حتى مع الأحداث المتطرفة.

ولكن يمكن لنماذج الذكاء الاصطناعي أن تبدأ في اختراع فيزياء مستحيلة على الأرض كلما ابتعدت في الوقت المناسب، وفقًا لدويبن.

لا تزال هناك مشاكل أخرى في التنبؤ، لا سيما مع واحدة من أكثر الظواهر الجوية تدميراً: الأعاصير المدارية.

إن التنبؤ بدقة بمدى قوة الإعصار المداري مثل الإعصار أو الإعصار الاستوائي هي مشكلة تعاني منها جميع النماذج. إنها مشكلة حاسمة يجب حلها مع ازدياد قوة الأنظمة المدارية واشتدادها بسرعة أكبر في عالم يزداد احترارًا بسبب التلوث بالوقود الأحفوري.

أظهر GenCast مهارة أفضل من النماذج التقليدية عند التنبؤ بمسارات الأنظمة المدارية لكنه كافح لالتقاط الشدة بدقة، وفقاً لبرايس.

وأشار برايس إلى أن ذلك يرجع جزئياً إلى أن بعض الأنظمة الحديثة البارزة التي حطمت الأرقام القياسية لم تكن مدرجة في 40 عاماً من البيانات التي تم تدريب GenCast عليها.

وهي مشكلة يثق برايس "تماماً" بإمكانية التغلب عليها في المستقبل مع تدريب النموذج على المزيد من البيانات.

هناك أيضًا نماذج قيد التطوير تجمع بين التعلم الآلي والفيزياء الواقعية - المعروفة باسم النماذج الهجينة - والتي يمكن أن تكون الحل لبعض هذه المشاكل.

كل خطوة إلى الأمام مع هذه التكنولوجيا الوليدة تضيف أداة أخرى يمكن أن يستخدمها المتنبئون بالطقس من البشر لصياغة توقعات دقيقة يعتمد عليها الناس في كل جانب من جوانب حياتهم تقريباً.

قال دوبين: "يمكنك أن تكون متشككًا كما تريد ضد توقعات التعلم الآلي من حيث المبدأ". "ستؤثر هذه النماذج تأثيرًا إيجابيًا على تنبؤاتنا بالطقس؛ لا شك في ذلك."