تعتمد تنبؤات الطقس اليوم على نماذج معقدة تتضمن القوانين التي تحكم ديناميكيات الغلاف الجوي والمحيطات، وتعمل هذه النماذج على بعض أقوى أجهزة الكمبيوتر العملاقة الموجودة. ومع ذلك، تمكنت شركة Alphabet (الشركة الأم لشركة Google) من التنبؤ بأحوال الطقس العالمية للأيام العشرة المقبلة في دقيقة واحدة فقط باستخدام جهاز واحد بحجم جهاز كمبيوتر شخصي، وذلك بفضل الذكاء الاصطناعي الذي طورته شركة DeepMind. ال يتنبأ Google AI بالطقس وقد بدأ هذا للتو.
سنخبرك في هذه المقالة كيف يتنبأ Google AI بالطقس وكيف تطورت هذه التكنولوجيا.
يتنبأ Google AI بالطقس
والمثير للدهشة أن نظام الذكاء الاصطناعي هذا يتفوق على معظم أنظمة التنبؤ بالطقس الحديثة في كل جانب تقريبًا. ومن المثير للاهتمام أنه يبدو هذه المرة أن الذكاء الاصطناعي يعمل كمكمل للذكاء البشري بدلاً من استبداله.
يمتلك المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF) نظامًا متقدمًا بشكل لا يصدق خضع لعملية ترقية كبيرة في العام الماضي، مما أدى إلى تحسين قدراته التنبؤية. استضافته في مرافقه في بولونيا، إيطاليا، يوجد حاسوب عملاق مزود بحوالي مليون معالج (على النقيض من الاثنين أو الأربعة الموجودين في الكمبيوتر الشخصي) وقوة حوسبة غير عادية تبلغ 30 بيتافلوب، أي ما يعادل 30.000 ألف تريليون عملية حسابية في الثانية.
وهذه القدرة الحسابية الهائلة ضرورية لإحدى أدواتها، وهي التنبؤ عالي الدقة (HRES)، الذي يتنبأ بدقة بأنماط الطقس العالمية على المدى المتوسط، والتي وتمتد عمومًا لمدة 10 أيام، مع دقة مكانية مذهلة تبلغ تسعة كيلومترات. تعمل هذه التنبؤات كأساس للتنبؤات الجوية التي يقدمها خبراء الأرصاد الجوية حول العالم. ومؤخرًا، تم استخدام GraphCast، وهو الذكاء الاصطناعي الذي طورته شركة Google DeepMind، لقياس قدرات هذا النظام الهائل في التنبؤ بالطقس.
نتائج دراسة الذكاء الاصطناعي
كشفت نتائج المقارنة، التي نشرت يوم الثلاثاء في مجلة Science، أن GraphCast يتفوق على HRES في التنبؤ بالعديد من عوامل الطقس. وفقا للدراسة، يتفوق جهاز Google على جهاز ECMWF بنسبة 90,3% من بين 1.380 مقياسًا تم فحصها.
عند التركيز فقط على طبقة التروبوسفير، وهي الطبقة الجوية التي تحدث فيها معظم الأحداث الجوية، وباستثناء البيانات الواردة من طبقة الستراتوسفير، التي تقع على ارتفاع حوالي 6 إلى 8 كيلومترات فوق سطح الأرض، يتفوق الذكاء الاصطناعي (A.I.) على أجهزة الكمبيوتر العملاقة التي يشرف عليها الإنسان في 99,7% من حالات. المتغيرات التي تم تحليلها. والمثير للدهشة أن هذا الإنجاز تم تحقيقه باستخدام جهاز يشبه إلى حد كبير جهاز الكمبيوتر الشخصي المعروف باسم وحدة المعالجة الموترية أو TPU.
ووفقاً لألفارو سانشيز غونزاليس، الباحث في Google DeepMind، فإن أجهزة TPU هي أجهزة متخصصة توفر تدريباً وتنفيذاً أكثر كفاءة لبرامج الذكاء الاصطناعي مقارنة بجهاز الكمبيوتر العادي، مع الحفاظ على حجم مماثل. تمامًا كما تركز بطاقة الرسومات الخاصة بالكمبيوتر على عرض الصور، تم تصميم وحدات TPU للتفوق في منتجات المصفوفة. بالنسبة لتدريب GraphCast، استخدمنا 32 وحدة TPU على مدار عدة أسابيع. ومع ذلك، بمجرد الانتهاء من التدريب، يمكن لـ TPU واحد إنشاء تنبؤات في أقل من دقيقةكما أوضح سانشيز غونزاليس، أحد مبتكري الجهاز.
أنظمة GraphCast والتنبؤ
يتمثل الاختلاف الملحوظ بين GraphCast وأنظمة التنبؤ الحالية في قدرته على دمج البيانات التاريخية. قام المبدعون بتدريب النظام باستخدام بيانات الأرصاد الجوية من أرشيف ECMWF الذي يعود تاريخه إلى عام 1979. وتغطي مجموعة البيانات الشاملة هذه هطول الأمطار في سانتياغو والأعاصير التي أثرت على أكابولكو على مدى 40 عامًا. بعد قدر كبير من التدريب، أصبح لدى GraphCast القدرة الرائعة على توليد تنبؤات دقيقة بالطقس.
لا يتطلب الأمر سوى معرفة أحوال الطقس قبل ست ساعات من توقعاتك وقبلها مباشرة للتنبؤ بالطقس بدقة بعد ست ساعات أخرى من الآن. التنبؤات مترابطة وكل توقعات جديدة تبلغ التوقعات السابقة. يشرح فيران أليت، أحد مؤسسي جهاز DeepMind المثير للإعجاب، أعماله الداخلية قائلاً: «تتوقع شبكتنا العصبية الظروف الجوية قبل ست ساعات من حدوثها. للتنبؤ بالطقس خلال 24 ساعة، نقوم ببساطة بتقييم النموذج أربع مرات. وبدلاً من ذلك، كان بإمكاننا تدريب نماذج منفصلة لفترات زمنية مختلفة، مثل نموذج لمدة ست ساعات ونموذج لمدة 24 ساعة. لكن، "نحن ندرك أن المبادئ الأساسية التي تحكم الطقس تظل ثابتة خلال فترة ست ساعات."
"لذلك، إذا تمكنا من اكتشاف نموذج الست ساعات المناسب واستخدام تنبؤاته الخاصة كمدخلات، فيمكننا التنبؤ بدقة بالطقس خلال الـ 6 ساعة القادمة وتكرار هذه العملية كل ست ساعات." وفقًا لـ Alet، يوفر هذا النهج كمية كبيرة من البيانات لنموذج واحد، مما يؤدي إلى تدريب أكثر كفاءة.
حتى الآن، كانت التنبؤات الجوية تعتمد على التنبؤ العددي بالطقس، والذي يستخدم معادلات علمية تم تطويرها عبر التاريخ لمراعاة التعقيدات المختلفة لديناميكيات الغلاف الجوي. وتؤسس النتائج التي توصل إليها الباحثون مجموعة من الخوارزميات الرياضية التي تستخدمها أجهزة الكمبيوتر العملاقة يجب تشغيله لإنشاء تنبؤات للساعات أو الأيام أو الأسابيع القليلة القادمة (على الرغم من انخفاض الموثوقية بشكل ملحوظ بعد 15 يومًا). ومع ذلك، فإن تنفيذ هذه المهمة يتطلب حاسوبًا فائقًا متقدمًا للغاية، الأمر الذي يتطلب تكاليف كبيرة وجهودًا هندسية مكثفة.
يتنبأ نموذج Google AI بالطقس
ما هو ملحوظ بشكل خاص هو أن هذه الأنظمة ولا يستخدمون الظروف الجوية في اليوم السابق أو حتى العام السابقرغم حدوثها في نفس المكان وفي نفس الوقت.
على العكس من ذلك، فهو يقترب من المهمة من زاوية مختلفة، بل على العكس تقريبًا. ومن خلال قدرات التعلم العميق المتقدمة، فإنه يستخدم أرشيفات واسعة النطاق لبيانات الطقس السابقة للحصول على فهم شامل لديناميكيات السبب والنتيجة المعقدة التي تملي تطور مناخ الأرض.
ووفقا لخوسيه لويس كاسادو، المتحدث باسم وكالة الأرصاد الجوية الإسبانية (AEMET)، لا يتم أخذ البيانات التاريخية في الاعتبار في نموذج الغلاف الجوي. يوضح كاسادو أن هذا النموذج يعتمد على الملاحظات الحالية وأحدث التنبؤات التي قدمها النموذج نفسه. ومن خلال الفهم الدقيق للحالة الحالية للغلاف الجوي، من الممكن التنبؤ بتطورها في المستقبل. وعلى عكس تقنيات التعلم الآلي، لا يستخدم هذا النهج البيانات أو التنبؤات التاريخية.
آمل أن تتمكن من خلال هذه المعلومات من معرفة المزيد عن الذكاء الاصطناعي من Google الذي يتنبأ بالطقس وخصائصه.