يساعد الذكاء الاصطناعي على تحقيق اختراق في التنبؤ بالطقس والمناخ

ابق على اطلاع بالتحديثات المجانية

ببساطة قم بالتسجيل في تغير المناخ myFT Digest – يتم تسليمه مباشرة إلى صندوق الوارد الخاص بك.

ساعد الذكاء الاصطناعي في تحقيق تقدم كبير في التنبؤات الدقيقة بالطقس والمناخ على المدى الطويل، وفقا لبحث يعد بإحراز تقدم في كل من التنبؤ والاستخدام الأوسع للتعلم الآلي.

وباستخدام مزيج من التعلم الآلي وأدوات التنبؤ الحالية، نجح نموذج تقوده جوجل يسمى NeuralGCM في تسخير الذكاء الاصطناعي لنماذج فيزياء الغلاف الجوي التقليدية لتتبع الاتجاهات المناخية المستمرة منذ عقود والأحداث الجوية المتطرفة مثل الأعاصير، حسبما اكتشف فريق من العلماء.

يقترح الباحثون أن هذا المزيج من التعلم الآلي مع التقنيات الراسخة يمكن أن يوفر نموذجًا لتحسين استخدام الذكاء الاصطناعي في مجالات أخرى بدءًا من اكتشاف المواد وحتى التصميم الهندسي. وقالوا إن NeuralGCM كان أسرع بكثير من التنبؤ التقليدي بالطقس والمناخ وأفضل من نماذج الذكاء الاصطناعي فقط في التنبؤات طويلة المدى.

وقال ستيفان هوير، كبير المهندسين في شركة Google Research والمؤلف المشارك لورقة بحثية عن العمل المنشور: “يُظهر NeuralGCM أنه عندما نجمع بين الذكاء الاصطناعي والنماذج القائمة على الفيزياء، يمكننا تحسين دقة وسرعة عمليات محاكاة المناخ الجوي بشكل كبير”. في الطبيعة.

وقالت الصحيفة إن NeuralGCM أثبت أنه أسرع وأكثر دقة ويستخدم قوة حاسوبية أقل في الاختبارات ضد نموذج التنبؤ الحالي القائم على أدوات فيزياء الغلاف الجوي المسماة X-SHIELD، والتي يتم تطويرها من قبل ذراع الإدارة الوطنية الأمريكية للمحيطات والغلاف الجوي.

في إحدى التجارب، تمكنت شركة NeuralGCM من تحديد العدد نفسه تقريبًا من الأعاصير المدارية الذي حددته أجهزة تتبع الطقس المتطرف التقليدية، وضعف عدد X-SHIELD. وفي اختبار آخر يعتمد على مستويات درجة الحرارة والرطوبة خلال عام 2020، كان معدل الخطأ أقل بنسبة تتراوح بين 15 و50 في المائة.

وتقول الورقة البحثية إن حسابات NeuralGCM تمكنت من توليد 70 ألف يوم محاكاة خلال 24 ساعة باستخدام إحدى وحدات معالجة موتر الذكاء الاصطناعي المخصصة من Google. على النقيض من ذلك، بالنسبة للحسابات المماثلة، أنتج X-SHIELD 19 يومًا فقط من المحاكاة، واحتاج إلى 13824 وحدة كمبيوتر للقيام بذلك.

تعاونت Google في تطوير NeuralGCM مع المركز الأوروبي الحكومي الدولي للتنبؤات الجوية متوسطة المدى (ECMWF).

وقد جعلت المجموعة الأوروبية نموذجها متاحًا للعامة في يونيو/حزيران، كما قامت جوجل بتوفير كود الوصول المفتوح لـNeuralGCM. ويستخدم 80 عامًا من بيانات المراقبة وإعادة التحليل الخاصة بـ ECMWF للتعلم الآلي.

كشفت وحدة DeepMind التابعة لشركة Google العام الماضي عن نموذج للتنبؤ بالطقس يعتمد على الذكاء الاصطناعي فقط يسمى GraphCast، والذي تفوق في الأداء على الطرق التقليدية لفترات تصل إلى 10 أيام قادمة.

لدى وكالات التنبؤ القائمة مثل مكتب الأرصاد الجوية في المملكة المتحدة أيضًا مشاريع لدمج التعلم الآلي في عملها.

وقال بيتر دويبن، رئيس نمذجة نظام الأرض في ECMWF والمؤلف المشارك لآخر ورقة، إن نماذج الذكاء الاصطناعي فقط “غالبًا ما يُنظر إليها بتشكك” من قبل الخبراء لأنها لا تستند إلى معادلات رياضية مستمدة من الفيزياء.

وقال إن الجمع بين النموذج القائم على الفيزياء ونموذج التعلم العميق “يبدو أنه يحقق أفضل ما في كلا العالمين”، مضيفًا أن هذا النهج كان “خطوة كبيرة نحو نمذجة المناخ باستخدام التعلم الآلي”.

وقال دويبين إنه لا يزال هناك المزيد من “العمل الذي يتعين القيام به”، مثل تمكين NeuralGCM من تقدير تأثير الزيادات في ثاني أكسيد الكربون على درجات حرارة السطح العالمية. وقالت الصحيفة إن المجالات الأخرى التي يحتاج فيها النموذج إلى تحسين تشمل قدرته على محاكاة مناخات غير مسبوقة.

وقال سيدريك إم جون، وهو خبير غير مشارك في العمل، رئيس قسم علوم البيانات للبيئة والاستدامة في جامعة كوين ماري في لندن، إن هناك “أدلة دامغة” على أن NeuralGCM كان أكثر دقة من التعلم الآلي وحده وأسرع من ” نموذج الفيزياء الكاملة. واقترح أنه بينما لا يزال هناك “مجال للتحسين”، فإن احتمال الخطأ يجب أن يكون قابلاً للقياس ويجب أن تكون التحديثات ممكنة.

قال جون: “الأهم من ذلك، أن هذا النموذج الهجين يؤدي أداءً جيدًا في التقاط مجموعة من التنبؤات، والأثر العملي لذلك هو أنه يمكن استخلاص تقدير لعدم اليقين في التنبؤ”.

لقد أصبحت Google تشارك في عدد متزايد من مبادرات المراقبة البيئية. وهي توفر الدعم التكنولوجي لمهمة قمر صناعي لتتبع انبعاثات غاز الميثان التي تؤدي إلى ارتفاع درجة حرارة الكوكب وشركائها وكالة الفضاء الأمريكية ناسا لمساعدة الحكومات المحلية على مراقبة جودة الهواء.