شركات التكنولوجيا العملاقة تطلق موجة من نماذج التعلم الآلي لتوقعات الطقس، متحدية النماذج التقليدية المعتمدة على الفيزياء والمطورة على مدى عقود. ولكن هل هذه النماذج دقيقة فعلاً؟
محتويات المقالة:
- مقدمة
- الطرق التقليدية
- ثورة الذكاء الاصطناعي
- مقارنة الأداء
- القيود والتحديات
- المزايا التنافسية
- نظرة مستقبلية
- الخاتمة
مقدمة
انطلقت موجة من نماذج التعلم الآلي لتوقعات طقس الذكاء الاصطناعي من قبل بعض أكبر الشركات على هذا الكوكب. هذه تتحدى أرثوذكسية التوقعات الحاسوبية التقليدية المعتمدة على الفيزياء والتي تم تطويرها وتحسينها تدريجياً على مدى عقود عديدة. لكن هل نماذج التعلم الآلي جيدة؟
اكتشاف ثوري: آردفارك ويذر يتنبأ بالطقس بأقل قدر من الموارد
الطقس هوس وطني لنا نحن البريطانيين، وليس من العجب بالنظر إلى التغيرات الهائلة التي تُرى وتُشعر من يوم لآخر. توقعات الطقس الدقيقة ليست حيوية فقط لتخطيط حياتنا اليومية ولكن معرفة الطقس القاسي القادم يمكن أن تساعدنا على تغيير سلوكنا وإنقاذ الأرواح وتخفيف الضرر على الممتلكات.
الطرق التقليدية
من المستحيل تقييم القيمة الاقتصادية الكاملة لتوقعات الطقس عالمياً، لكن الأرقام ضخمة. وفقاً لإدارة المحيطات والغلاف الجوي الوطنية، في الولايات المتحدة وحدها – وفقط مع مراعاة أكبر كوارث الطقس التي تسببت في أضرار تزيد عن مليار دولار – بلغت تداعيات الطقس القاسي في عام 2024 مبلغ 182 مليار دولار، مع 568 حالة وفاة.
منذ عام 1980، يقف رقم الضرر هذا عند نحو 3 تريليونات دولار! في الوقت نفسه، في المملكة المتحدة، كان هناك 1311 حالة وفاة إضافية ناجمة عن موجات الحر في عام 2024. خلصت دراسة من استشاريي لندن إيكونوميكس أن مكتب الأرصاد الجوية سيجلب فوائد بقيمة 56 مليار جنيه إسترليني للاقتصاد البريطاني على مدى عقد من خلال توفير الخدمات الجوية.
تُنتج توقعات الطقس التقليدية على بعض أكبر الحواسيب العملاقة على هذا الكوكب؛ عقد الحوسبة العملاقة لمكتب الأرصاد الجوية بقيمة 1.2 مليار جنيه إسترليني. هذا المبلغ الضخم من المال يشتري لك آلة يمكنها أداء 60 كوادريليون (60,000,000,000,000,000) عملية حسابية في الثانية.
ثورة الذكاء الاصطناعي
نماذج التعلم الآلي لتوقعات الطقس موجودة منذ بضع سنوات فقط، وتُظهر وعداً بينما تتطور بسرعة. النماذج التقليدية تستغرق ساعات للتشغيل على حواسيب عملاقة باهظة الثمن، ومع ذلك يمكن لهذا الجيل الجديد من النماذج أن يستغرق أقل من دقيقة للتشغيل على لابتوب عادي. لا تحتاج لمعرفة جميع قوانين الفيزياء «المرهقة»، لكنها بدلاً من ذلك مدربة على 40 عاماً من البيانات الماضية لعمل توقعاتها.
كيف تؤدي؟ حسناً، دعنا ننظر إلى بيانات التحقق من التوقعات من المركز الأوروبي للتوقعات الجوية متوسطة المدى لأنماط الضغط الجوي في شتاء 2024/2025. غراف كاست (غوغل)، وAIFS (ECMWF) وأورورا (مايكروسوفت) كانت أكثر دقة من التوقع المعياري التقليدي IFS (ECMWF)، بينما تأخرت فور كاست نت (إنفيديا) وبانغو ويذر (هواوي) خلفها.
مقارنة الأداء
لذا بعض نماذج التعلم الآلي أدت بشكل أفضل، وبعضها أسوأ، لكن ذلك يعتمد على أي متغير تنظر إليه، وكل هذا يمكن أن يتغير بسرعة مع تسارع معدل التقدم. تماماً مثل النماذج التقليدية، نماذج الذكاء الاصطناعي أقل دقة كلما بعدت في المستقبل التي تحاول التنبؤ به – نتيجة للطبيعة الفوضوية للغلاف الجوي.
بالنظر إلى 10 أيام قدماً، لم يكن أي من نماذج الذكاء الاصطناعي (أو النماذج التقليدية) قادراً على تقديم توقعات تُعتبر ذات فائدة كبيرة من ناحية الدقة. لذا هل حان الوقت للتخلي عن النماذج الجوية المعتمدة على الفيزياء؟ ليس بعد!
القيود والتحديات
نماذج التعلم الآلي لتوقعات طقس الذكاء الاصطناعي ليست فقط مدربة باستخدام بيانات منتجة بواسطة النماذج الجوية التقليدية، لكنها تستخدم أيضاً موقع البداية للغلاف الجوي من النماذج التقليدية كنقطة إدخالها. بعبارة أخرى، بدون تشغيل تلك النماذج التقليدية، نماذج التعلم الآلي لن تعمل بنفس الجودة.
جميع نماذج التعلم الآلي يمكنها توقع ميزات واسعة النطاق مثل الضغط العالي والمنخفض ستة أيام قدماً بشكل جيد جداً، لكنها يمكن أن تقل أداؤها مقارنة بالنماذج التقليدية في المقاييس الأصغر من 1000 كيلومتر أو أقل. هذا يعني أن ميزات مهمة مثل الأخاديد والقمم يمكن أن تُفوت، مما يجعل الفرق بين يوم جاف، أو يوم مع أمطار غزيرة.
المزايا التنافسية
غالبية نماذج التعلم الآلي لها دقة 28 كيلومتر مربع، وهو نفس مقياس البيانات التي تدربت عليها. هذا يعني أن الميزات الصغيرة مثل الزخات ستُفوت على الأرجح، لذا لن تكون قادرة على توقع حدث فيضان بوسكاسل أياماً عديدة قدماً. عناوين الأخبار ادعت أن هذه النماذج الجديدة أفضل من النماذج التقليدية في توقع الأعاصير.
قد يكون صحيحاً أن بعضها كان أفضل قليلاً في توقع هبوط الأعاصير قبل النماذج التقليدية، لكن في نفس الوقت كانت ضعيفة جداً في توقع قوة الرياح وبالتالي الضرر المحتمل الذي ستجلبه العاصفة. قد يكون هذا نتيجة تأثير التنعيم، أو المتوسط من النظر إلى الكثير من الأعاصير في 40 عاماً من بيانات التدريب.
نظرة مستقبلية
نماذج الذكاء الاصطناعي قد تكافح لتوقع تأثيرات من أحداث نادرة لم تُر كثيراً في 40 عاماً من بيانات التدريب. مثال على ذلك هو ثورة جبل بيناتوبو عام 1991 التي بردت الكوكب بما يصل إلى 0.5 درجة مئوية لسنتين. هناك أيضاً أسئلة حول مدى جودة أداء نماذج الذكاء الاصطناعي في توقع عالم أكثر دفئاً مع استمرار كوكبنا في الاحترار نتيجة تغير المناخ.
المناخ الماضي الذي تدربت عليه سيبدو مختلفاً تماماً عن مناخنا المستقبلي، مع استمرار تراكم غازات الدفيئة في الغلاف الجوي. تقول البروفيسورة كريستين ديل، كبيرة مسؤولي الذكاء الاصطناعي في مكتب الأرصاد الجوية: «أعتقد أننا سنحصل على نماذج تقليدية تعمل جنباً إلى جنب مع نماذج الذكاء الاصطناعي بحيث نستفيد من نقاط قوتها المشتركة لتمكين توقعات دقيقة فائقة المحلية، تُقدم بسرعة، عندما تحتاجها».
الخاتمة
نماذج التعلم الآلي لم تكن موجودة لفترة طويلة جداً، لكن مع سرعتها وكفاءة الحاسوب ومعدل التطوير السريع، تُظهر إمكانات كبيرة. المستقبل يبدو واعداً لدمج النماذج التقليدية مع نماذج الذكاء الاصطناعي للحصول على أفضل ما في العالمين. بينما تواصل التكنولوجيا تطورها، قد نشهد ثورة حقيقية في دقة وسرعة توقعات طقس الذكاء الاصطناعي، مما يفيد المجتمع بأكمله ويساعد في حماية الأرواح والممتلكات من الظواهر الجوية الشديدة.
