الذكاء الاصطناعي يتفوق على أنظمة التنبؤ بالطقس
ذكر موقع «ليرنينغ إنغلش» (LearningEnglish) أن فريقاً من الباحثين البريطانيين ابتكر نموذجاً للتنبؤ بالطقس يعتمد على الذكاء الاصطناعي ويحقق كفاءة فائقة في التنبؤ بهطول الأمطار في التسعين دقيقة القادمة.
وبنى ذلك النموذجَ علماء في شركة «ديب مايند» (DeepMind) التابعة لغوغل في لندن، حيث تعاونت الشركة مع باحثين في جامعة إكستر البريطانية ومكتب الأرصاد الجوية البريطاني.
ويدّعي الفريق أن الاختبارات التي أجراها على النظام أظهرت قدرته على التنبؤ الدقيق بالهطول القريب للأمطار أكثر من الأنظمة الحالية، حيث اعتمد العلماء على أسلوب من أساليب التنبؤ بالطقس يدعى «التنبؤ الآني بهطول الأمطار» (precipitation nowcasting)، والذي يتمثل بالتنبؤ بهطول الأمطار في الساعتين القادمتين، الأمر الذي يصعب على أنظمة التنبؤ التقليدية.
ويعتمد مكتب الأرصاد الجوية على نظام يدعى «التنبؤ الرقمي بالطقس» (NWP) منذ أوائل الخمسينيات، حيث يتنبأ بالطقس بناءً على أحدث ملاحظات الطقس مع نموذج حاسوبي رياضي للغلاف الجوي، فيجمع النظام البيانات عن مستوى وحركة السوائل في الغلاف الجوي اعتماداً على بيانات الرادار والأقمار الصناعية، ثم يعالج الكمبيوتر هذه البيانات وينتج نماذج شبيهة بالخرائط للتنبؤ بالطقس.
كما يُذكر أن المكتب يستخدم حالياً «حاسوباً فائقاً» يعمل بكامل طاقته منذ عام 2017، مما يسمح بإجراء تنبؤات أكثر دقة، ولكن الحاسوب الفائق مصمم للتنبؤ بمناطق واسعة جداً وعلى مدار ساعات وأيام وأسابيع. لذلك يقدم فريق «ديب مايند» نموذجهم القادر على استخدام التعلم الآلي للتنبؤ بهطول الأمطار في التسعين دقيقة القادمة، حيث يجري تدريب النظام على التنبؤ بالرادار المستقبلي بناءً على قراءات الرادار السابقة.
وأفاد العلماء بأن نموذجهم يهدف إلى إنشاء «أفلام» تنبؤية لحالات لطقس الآنية مع العديد من احتمالات هطول الأمطار المختلفة، مما يسمح باستكشاف «حالات عدم التأكد من هطول الأمطار» بدقة. كما أظهرت الاختبارات تحسينات «إحصائية» مقارنة بالطرق التقليدية، علماً أن ما يزيد عن 50 خبيراً من مكتب الأرصاد الجوية صنفوا النموذج بأنه أدق بنسبة 89% من أنظمة التنبؤ الحالية.
رغم النتائج المذهلة للدراسة، اعترف الباحثون بوجود بعض القيود، حيث يجب العمل على تحسين دقة التنبؤ طويلة المدى والدقة في الأحداث النادرة والمكثفة. كما عبّر الفريق عن رغبته بالتركيز على تطوير طرق جديدة لاختبار أداء النموذج وإنشاء أنظمة أكثر تخصصاً للعمل في ظروف العالم الحقيقي.
