أداة تتوقع طقس 10 أيام في 60 ثانية

درب الاردن - منذ فترة ليست ببعيدة، كان يتم التقليل من شأن التنبؤات الجوية لدرجة أن العديد من المشككين قالوا إن 'مشكلة التنبؤات الجوية هي أنه غالباً ما يكون من الصواب تجاهلها ومن الخطأ الاعتماد عليها'. وقد تشكلت هذه الثقافة من خلال تاريخ طويل من التنبؤات التي لا تتطابق أحيانًا مع الواقع، مما دفع الممثل الكوميدي الأمريكي رودني دانجرفيلد إلى القول بأن "التنبؤ بالطقس لا يعمل". لقد تشكلت هذه الثقافة من خلال تاريخ طويل من التوقعات التي لا تتطابق أحياناً مع الواقع. قال الممثل الكوميدي الأمريكي الكوميدي رودني دانجرفيلد ذات مرة إن "التنبؤ بالطقس لا يحترم".

 ومع ذلك، هناك آمال متزايدة في أن استخدام الذكاء الاصطناعي (الذكاء الاصطناعي) لهذه المهمة يمكن أن يجعلها أكثر احترامًا، وهو ما أكده البحث الذي أجراه فريق أبحاث Google Deep Minds. في دراسة نُشرت في العدد الأخير من مجلة Science، وُصف برنامج GravCast المدعوم بالذكاء الاصطناعي بأنه قادر على التنبؤ بضغط الهواء ودرجة الحرارة والرطوبة والرياح لمدة تصل إلى 10 أيام مقبلة، أي أسرع بعدة مرات من النماذج الحكومية التي تعود إلى عقود من الزمن والتي استثمرت فيها الدول مئات الملايين من الدولارات.

وقد حاولت شركات التكنولوجيا الكبرى، بما في ذلك جوجل ومايكروسوفت وإنفيديا وهواوي، تطوير التنبؤ بالطقس بالذكاء الاصطناعي بسرعة على مدار العامين الماضيين، ونشرت دراسات أكاديمية تدعي أن نماذج الذكاء الاصطناعي الخاصة بها تعمل على الأقل بنفس جودة نماذج التنبؤ بالطقس التقليدية. ومع ذلك، فقد أعلن باحثو جوجل أن أحدث دراساتهم قد تفوقت على النماذج الأوروبية، والتي تعتبر على نطاق واسع المعيار الذهبي للتنبؤ بالطقس. أجهزة كمبيوتر بحجم الحافلة. تقوم نماذج الطقس التقليدية، مثل النموذج الأوروبي، الذي يديره المركز الأوروبي للتنبؤات الجوية متوسطة المدى في ريدينغ، المملكة المتحدة، والنموذج الأمريكي، الذي تديره الإدارة الوطنية الأمريكية للمحيطات والغلاف الجوي، بعمل تنبؤات تستند إلى معادلات رياضية معقدة وتدعم هذه التنبؤات والتحذيرات المنقذة للحياة في جميع أنحاء العالم، ولكن الكم الهائل من قوة الحوسبة إن الكمية الهائلة من قوة الحوسبة المطلوبة تجعل تشغيلها مكلفاً، كما أن الحواسيب العملاقة بحجم حافلة مدرسية تجعل هذا الأمر ممكناً.

يتم تدريب نماذج الذكاء الاصطناعي على التعرف على أنماط الطقس من كميات هائلة من بيانات الطقس التاريخية، ثم فهم الظروف الحالية وتطبيق ما تعلمته من الأنماط السابقة لتوليد التنبؤات. هذه العملية أقل بكثير من الناحية الحسابية ويمكن إكمالها في دقائق إلى ثوانٍ على أجهزة كمبيوتر أصغر بكثير. عندما يتم تطبيق نموذج الذكاء الاصطناعي للذكاء الاصطناعي من Google Deep Mind GravCast، من خلال التعلم من البيانات التاريخية التي تعود إلى 40 عامًا تقريبًا، يستغرق الأمر أكثر من ساعة لتحقيق نفس الشيء باستخدام نموذج تقليدي باستخدام حاسوب عملاق يستهلك الكثير من الطاقة، في حين أن نموذج الذكاء الاصطناعي الأقل استهلاكًا للطاقة باستخدام حاسوب صغير، أصبح من الممكن الآن تقديم تنبؤات لمدة 10 أيام على فترات زمنية مدتها ست ساعات لنقاط حول العالم في أقل من دقيقة، كما أفاد الباحثون في دراستهم. 

"الصندوق الأسود" لشبكات التعلم العميق.

هذه المزايا التي حققتها GrafCast لا تعني أنها أفضل من الأساليب الحالية عندما يتعلق الأمر بالتنبؤات المحلية للغاية، مثل احتمال هطول الأمطار في منطقتك، ولكنها أفضل في التنبؤ بمجموعة واسعة من الظواهر الجوية، مثل الأعاصير المدارية والتغيرات الشديدة في درجات الحرارة. وقال ريمي لامب من شركة Google Deepmind والباحث الرئيسي في الدراسة، في تقرير نشره موقع TechExplore: "لقد تم تطوير نهجنا على مدى عقود، وتم اختباره بدقة في العديد من السياقات في العالم الحقيقي، كما أنه يحتوي على العديد من الميزات التي لم نستكشفها بعد لا ينبغي أن يُنظر إليه على أنه بديل لأساليب التنبؤ بالطقس التقليدية، والتي قدمت بل يجب أن يُفسر برنامجنا الجديد على أنه دليل على أن التنبؤ بالطقس بالذكاء الاصطناعي قادر على مواجهة تحديات مشاكل التنبؤ في العالم الحقيقي، ولديه القدرة على استكمال وتحسين أفضل الأساليب الحالية."

ويؤكد محمد عبد ربه، مدير المعهد المركزي للبحوث الزراعية والمناخية بوزارة الزراعة المصرية، أن الذكاء الاصطناعي لن يحل محل طرق التنبؤ التقليدية في هذه المرحلة، وقال في مقابلة هاتفية مع الجزيرة نت: "نماذج الذكاء الاصطناعي رغم نجاحها غير قادرة على تفسير كيفية التنبؤات التي تم التوصل إليها، فهي لا تعطي إمكانية تفسير كيفية توصلها إلى تنبؤاتها. بعض هذه النماذج، خاصةً شبكات التعلم العميق، غالبًا ما تُعتبر صناديق سوداء، في حين أن أحد الأدوار الرئيسية للمتنبئين هو تفسير المعلومات. "على سبيل المثال، عندما يتعلق الأمر بتأثير الطقس على الزراعة،

أحتاج إلى ترجمة المعلومات من التوقعات إلى توصيات تُعلم المزارعين مسبقًا بوقت كافٍ حتى يتمكنوا من اتخاذ تدابير احترازية، وهو مفهوم يُعرف باسم الزراعة الذكية مناخيًا، ولكن بدون تفسير لا يمكنني القيام بذلك بشكل جيد والتنبؤات القائمة على نماذج الذكاء الاصطناعي لا تتيح ذلك''. 

"بعض نماذج الذكاء الاصطناعي ترث التحيزات من بيانات التدريب والخوارزميات المستخدمة، مما يؤدي إلى تنبؤات متحيزة. وبالتالي فإن جودة البيانات في هذا الاتجاه عامل حاسم لنجاح نماذج الذكاء الاصطناعي. التحدي الآخر هو أن أنماط الطقس تتغير. لذلك يجب أن تتكيف نماذج الذكاء الاصطناعي مع الظروف المتغيرة، وضمان نجاحها يمثل تحديًا كبيرًا".