يشهد علم الأرصاد الجوية تقدماً ملحوظاً بفضل التطور التكنولوجي. تتوفر حالياً العديد من برامج الحاسوب القادرة على التنبؤ بدقة بموعد ومكان هطول الأمطار. وقد طورت شركة ديب مايند نظام ذكاء اصطناعياً قادراً على التنبؤ بدقة متناهية بموعد ومكان هطول الأمطار. وقد تعاونت هذه الشركة مع خبراء الأرصاد الجوية في المملكة المتحدة لإنشاء نموذج يتفوق على الأنظمة الحالية في دقة التنبؤات قصيرة المدى.
في هذه المقالة، سنخبرك بكل ما تحتاج إلى معرفته حول سوق الأوراق المالية Robleda وتكنولوجيا التنبؤ بالطقس الخاصة بـ DeepMind.
النشرة الجوية
تواصل شركة DeepMind، المتخصصة في الذكاء الاصطناعي ومقرها لندن ، مهمتها في تطبيق التعلم العميق لحلّ المشكلات العلمية المعقدة. وقد طورت DeepMind، بالتعاون مع مكتب الأرصاد الجوية البريطاني، أداةً للتعلم العميق تُسمى DGMR، قادرة على التنبؤ بدقة باحتمالية هطول الأمطار خلال التسعين دقيقة القادمة، وهو تحدٍّ كبير في مجال التنبؤات الجوية.
بالمقارنة مع الأدوات الموجودة ، يعتقد العشرات من الخبراء أن تنبؤات المديرية العامة للجمارك هي الأفضل في عدة عوامل ، بما في ذلك تنبؤاتها بالموقع والمدى والحركة وشدة المطر ، 89٪ من الوقت. تفتح أداة DeepMind الجديدة مفتاحًا جديدًا في علم الأحياء يحاول العلماء حله منذ عقود.
مع ذلك، حتى التحسينات الطفيفة في التنبؤات الجوية مهمة. فالتنبؤ بهطول الأمطار، وخاصة الأمطار الغزيرة، أمر بالغ الأهمية للعديد من القطاعات، بدءًا من الأنشطة الخارجية وصولًا إلى الطيران وخدمات الطوارئ. لكن التنبؤ الدقيق ليس بالأمر السهل. إذ يعتمد تحديد كمية المياه في السماء ووقت ومكان هطولها على العديد من العمليات الجوية، مثل تغيرات درجات الحرارة وتكوّن السحب والرياح. كل هذه العوامل معقدة بحد ذاتها، وتزداد تعقيدًا عند اجتماعها. لمعرفة المزيد عن هذه الظاهرة، يمكنك الاطلاع على مقال تعريف علم الأرصاد الجوية.
تستخدم أفضل تقنيات التنبؤ المتاحة عددًا كبيرًا من عمليات المحاكاة الحاسوبية لفيزياء الغلاف الجوي. هذه مناسبة للتنبؤات طويلة المدى ، لكنها ليست جيدة جدًا في التنبؤ بما سيحدث في الساعة القادمة. هذا يسمى توقعات فورية.
تطوير DeepMind
لقد تم تطوير تقنيات التعلم العميق السابقة، ولكن هذه التقنيات تعمل بشكل جيد عادةً في جانب واحد، مثل التنبؤ بالموقع، على حساب جانب آخر، مثل التنبؤ بالقوة. تظل بيانات الرادار للأمطار الغزيرة التي تساعد في التنبؤ بهطول الأمطار الفوري تشكل تحديًا كبيرًا لخبراء الأرصاد الجوية.
استخدم فريق ديب مايند بيانات الرادار لتدريب ذكائه الاصطناعي. تنشر العديد من الدول والمناطق بانتظام لقطات من قياسات الرادار التي ترصد تكوّن السحب وحركتها على مدار اليوم. على سبيل المثال، في المملكة المتحدة، تُنشر قراءات جديدة كل خمس دقائق. ومن خلال تجميع هذه اللقطات، يُمكن إنشاء فيديو بتقنية إيقاف الحركة يُظهر كيف يتغير نمط هطول الأمطار في بلد ما.
يرسل الباحثون هذه البيانات إلى شبكة الجيل العميق المشابهة لشبكة GAN ، وهي عبارة عن ذكاء اصطناعي مدرب يمكنه إنشاء عينات بيانات جديدة تشبه إلى حد بعيد البيانات الفعلية المستخدمة في التدريب. تم استخدام GAN لإنشاء وجوه مزيفة ، بما في ذلك Rembrandt المزيفة. في هذه الحالة ، تعلمت DGMR (التي تعني "نموذج المطر العميق التوليدي") إنشاء لقطات رادار خاطئة تستمر في تسلسل القياس الفعلي.
تجارب DeepMind AI
قال شاكر محمد ، الذي قاد البحث في DeepMind ، إن هذا يشبه مشاهدة بعض اللقطات من فيلم وتخمين ما سيحدث بعد ذلك. لاختبار هذه الطريقة ، طلب الفريق من 56 من خبراء الأرصاد الجوية من مكتب الأرصاد الجوية (الذين لم يشاركوا في العمل) الخوض في عمليات المحاكاة الفيزيائية الأكثر تقدمًا ومجموعة المعارضين.
أفاد 89% من المشاركين بأنهم يفضلون النتائج التي يقدمها نظام DGMR. تسعى خوارزميات التعلم الآلي عمومًا إلى تحسين مقياس بسيط لجودة تنبؤاتها. مع ذلك، ينطوي التنبؤ بالطقس على جوانب عديدة. فقد يُخطئ أحد التنبؤات في تقدير شدة هطول الأمطار في المكان الصحيح ، أو قد يُصيب تنبؤ آخر في تقدير شدة الهطول في المكان الخطأ، وهكذا. لمعرفة المزيد عن كيفية عمل الأنظمة الجوية، ننصحكم بالاطلاع على الفرق بين المرتفعات الجوية والأعاصير.
قالت DeepMind إنها ستطلق بنية جميع البروتينات المعروفة للعلم. استخدمت الشركة الذكاء الاصطناعي القابل للطي بالبروتين AlphaFold لإنشاء هياكل للبروتينات البشرية ، وكذلك الخميرة وذباب الفاكهة والفئران.
يُعدّ التعاون بين ديب مايند ومكتب الأرصاد الجوية مثالًا جيدًا على كيفية إسهام العمل مع المستخدمين النهائيين في تحسين تطوير الذكاء الاصطناعي بشكلٍ ملحوظ. ورغم أن هذه فكرة جيدة، إلا أنها ليست الحال دائمًا. فقد عمل الفريق على المشروع لسنوات عديدة، وساهمت آراء خبراء مكتب الأرصاد الجوية في صقل تطويره. يقول سومان رافوري، الباحث العلمي في ديب مايند: "يُعزز هذا التعاون تطوير نموذجنا بطريقة تختلف عن تطبيقنا الخاص. وإلا، لربما كنا قد أنشأنا نموذجًا غير مفيد في نهاية المطاف". لمزيد من المعلومات حول تطبيقات الأرصاد الجوية المختلفة، يُمكنكم قراءة المقال حول الطائرات المسيّرة في الأرصاد الجوية.
كما تحرص DeepMind على إظهار أن الذكاء الاصطناعي لديها تطبيقات عملية. بالنسبة إلى شاكر ، تعد DGMR و AlphaFold جزءًا من نفس القصة: تستخدم الشركة سنوات خبرتها في حل الألغاز. ربما يكون الاستنتاج الأكثر أهمية هنا هو أن DeepMind قد بدأت أخيرًا في سرد المشكلات العلمية الواقعية.
التقدم في التنبؤ بالطقس
يجب دعم التنبؤ بالطقس من خلال تطوير التكنولوجيا لأننا نقترب أكثر فأكثر من الفهم الكامل لكيفية عمل غلافنا الجوي. في كثير من الأحيان يمكن أن يتعرض الإنسان وحساباته لأخطاء شائعة يمكن تجنبها مع تطوير الذكاء الاصطناعي.
يُعدّ التنبؤ بالطقس أمراً بالغ الأهمية للبشرية، إذ يُتيح لنا استخدام موارد المياه بكفاءة أكبر، ويُجنّبنا الكوارث أثناء العواصف والأمطار الغزيرة . ولذلك، يُركّز خبراء الأرصاد الجوية بشكل متزايد على تطوير مشاريع الذكاء الاصطناعي للتنبؤ بهطول الأمطار.
آمل أن تتمكن من خلال هذه المعلومات من معرفة المزيد عن مشروع DeepMind وخصائصه.