دراسة: صفيحة جرينلاند الجليدية فقدت مساحة كبيرة خلال 4 عقود
تاريخ النشر: 18th, January 2024 GMT
كشفت دراسة منشورة في دورية (نيتشر) العلمية عن أن صفيحة جرينلاند الجليدية فقدت 5091 كيلومترًا مربعًا من مساحتها بين عامي 1985 و2022، وذلك في أول تقدير كامل لمساحة الغطاء الجليدي المفقود.
ويعني هذا التقلص فقد كمية من الجليد يبلغ وزنها 1.034 جيجا طن (1.034 تريليون كيلوجرام) نتيجة لانحسار الأنهار الجليدية، مع ذوبان الثلوج في أثناء عمليات "انفصال" تحدث عندما تتفكك كتل من الجليد عن الأنهار الجليدية.
أخبار متعلقة عمان واجهة سياحية جديدة في الخليج تستقطب سياح العالم بقالب تراثي مختلف"الوطنية للإسكان" تعلن تطبيق التمويل العقاري المخفض 2.59% "بدون تحديد سقف رواتب"وهذه الدراسة هي الأولى التي تقدم تقديرًا كاملًا لمقدار الثلوج التي فقدتها جرينلاند بسبب انحسار الأنهار الجليدية على وجه التحديد.أخطاء التقديرات السابقةوتشير الدراسة إلى أن التقديرات السابقة للتغيرات التي طرأت على توازن كتلة صفيحة جرينلاند الجليدية أخطأت في حساب هذه الخسائر بالنقصان لما يصل إلى 20%، نظرًا إلى إهمالها انحسار الأنهار الجليدية، وتعادل مساحة 5091 كيلومترًا مربعًا المفقودة تقريبًا مساحة دولة ترينيداد وتوباجو.
واستعانت الدراسة بأكثر من 200 ألف قمر صناعي، وأجرت أعمال مراقبة ورصد مواقع الأنهار الجليدية بالذكاء الاصطناعي لتحليل التغيرات بمرور الزمن.انحسار الأنهار الجليدية في جرينلاند - رويترز
تغير ضخموقال ألكس جاردنر المتخصص في علوم الأرض بمختبر الدفع النفاث في إدارة الطيران والفضاء الأمريكية (ناسا)، وهو مشارك في إعداد هذه الدراسة: "في جرينلاند، هذه المناطق على الحواف، ينحسر كل شيء ويتفتت نوعًا ما".
وأضاف: "الأساليب السابقة لم تكن دقيقة في قياس ذلك التغير في الغطاء الجليدي، لكن التغير ضخم".صفيحة جرينلاند الجليديةوصفيحة جرينلاند الجليدية واحدة من صفيحتين جليديتين متبقيتين على مستوى العالم، والأخرى هي الصفيحة الممتدة على القارة القطبية الجنوبية (أنتاركتيكا).
وتغطي الصفيحة التي تتكون من مئات الأنهار الجليدية 80% من أراضي جرينلاند.
وإذا ذابت صفيحة جرينلاند الجليدية تمامًا، فستتسبب في رفع مستوى مياه البحار على مستوى العالم بنحو 7.4 متر.
ويقول علماء، إن ذوبان صفيحة جرينلاند الجليدية سيرفع حتمًا مستوى مياه البحر 27 سنتيمترًا على الأقل بسبب الاحتباس الحراري الحاصل بالفعل، وذلك في ظل تأثير التغير المناخي في حرارة القطب الشمالي بصورة أسرع 4 مرات من بقية أجزاء العالم.
المصدر: صحيفة اليوم
كلمات دلالية: رويترز لندن جرينلاند الأنهار الجلیدیة
إقرأ أيضاً:
هل يواجه الذكاء الاصطناعي صعوبة في التعامل مع التاريخ؟.. دراسة توضح
مع التقدم الكبير في تقنيات الذكاء الاصطناعي، أصبح من الممكن استخدام هذه التقنيات في مجالات عديدة، ولكن الذكاء الاصطناعي ما زال يواجه عدة تحديات رئيسية عند التعامل مع التاريخ، وذلك بحسب ما كشفت عنه دراسة حديثة اختبرت قدرات ثلاثة من أهم النماذج اللغوية الكبيرة في الإجابة عن أسئلة تاريخية معقدة.
ولإجراء هذه الدراسة، أنشأ فريق من الباحثين معيارًا جديدًا يُسمى (Hist-LLM)، لاختبار أداء ثلاثة نماذج لغوية كبيرة رائدة، وهي:(GPT-4) من OpenAI، و(Llama) من ميتا، و(Gemini) من جوجل، في الإجابة عن أسئلة تاريخية دقيقة، بحسب موقع البوابة التقنية.
واعتمد هذا المعيار في تقييمه على قاعدة بيانات شاملة للمعرفة التاريخية تُسمى (سشات) Seshat، وهي قاعدة بيانات ضخمة تجمع معلومات تاريخية من مصادر متعددة وتغطي فترات زمنية وأماكن جغرافية مختلفة، وقد سميت هذه القاعدة على اسم سشات، إلهة الحكمة والكتابة والمعرفة في الحضارة المصرية القديمة.
ويركز معيار (Hist-LLM) في اختبار مدى دقة المعلومات التاريخية وموثوقيتها التي يقدمها كل نموذج لغوي، مقارنةً بالمعلومات الموثقة في قاعدة بيانات (Seshat)، مما يساعد في تحديد نقاط القوة والضعف في قدرة النماذج اللغوية الكبيرة على فهم السياق التاريخي واستيعابه والتمييز بين الحقائق التاريخية الصحيحة والمعلومات غير الصحيحة أو المضللة.
نتائج مخيبة للآمالعُرضت نتائج هذه الدراسة في مؤتمر (NeurIPS)، وهو أحد أبرز المؤتمرات العالمية في مجال الذكاء الاصطناعي، وجاءت مخيبة للآمال، وفقًا للباحثين المنتسبين إلى معهد الأبحاث (Complexity Science Hub) في النمسا، إذ حقق نموذج (GPT-4 Turbo) أفضل أداء بين النماذج المختبرة، ولكنه لم يحقق سوى دقة تقارب 46% في الإجابة عن الأسئلة التاريخية، ويشير هذا الرقم إلى أن أداء نموذج (GPT-4 Turbo) لم يكن أفضل بكثير من التخمين العشوائي، إذ إن نسبة 50% تمثل احتمالية الإجابة الصحيحة عن سؤال له خياران فقط عن طريق التخمين.
وعلقت ماريا ديل ريو-شانونا، الأستاذة المشاركة في علوم الحاسوب في جامعة كوليدج لندن وأحد مؤلفي الورقة البحثية، على هذه النتائج قائلة: «الخلاصة الرئيسية من هذه الدراسة هي أن النماذج اللغوية الكبيرة أصبحت مثيرة للإعجاب في الكثير من الجوانب التقنية والإبداعية، ولكنها ما زالت تفتقر إلى عمق الفهم المطلوب للتعامل مع البحث التاريخي المتقدم على مستوى الدراسات العليا».
وأوضحت تشانونا تفصيلًا مهمًا حول طبيعة هذه النماذج وقدراتها، إذ أشارت إلى أنها رائعة في استرجاع الحقائق الأساسية والمعلومات العامة وتقديمها، بمعنى آخر، يمكن لهذه النماذج التعامل بكفاءة مع المعلومات التاريخية المباشرة والمتاحة بسهولة، مثل تواريخ الأحداث المهمة أو أسماء الشخصيات التاريخية.
ويؤكد ذلك أن النماذج اللغوية الكبيرة غير قادرة حاليًا على تحليل المصادر التاريخية بشكل نقدي، أو فهم السياق التاريخي المعقد، كما لا يمكنها حاليًا إجراء تحليلات تاريخية مبتكرة أو تقديم تفسيرات جديدة للأحداث التاريخية.
أسباب ضعف النماذج اللغوية الكبيرة في التاريختثير نتائج هذه الدراسة التساؤل عن أسباب ضعف النماذج اللغوية الكبيرة في الإجابة عن الأسئلة التاريخية التقنية، في حين تظهر كفاءة عالية في الإجابة عن أسئلة معقدة في مجالات أخرى مثل البرمجة.
وأرجعت ديل ريو-شانونا ذلك إلى ميل هذه النماذج إلى الاستقراء من البيانات التاريخية الشائعة والبارزة، مما يجعل من الصعب عليها استرجاع المعرفة التاريخية الأكثر غموضًا.
وشرحت ديل ريو شانونا هذه الظاهرة قائلة: «إذا تكرر ذكر (A) و (B) أمامك 100 مرة، وذُكر (C) مرة واحدة فقط، ثم طُرح عليك سؤال حول (C)، فمن المحتمل أن تتذكر (A) و(B) وتحاول الاستنتاج بناءً عليهما».
كشفت الدراسة أيضًا عن توجهات أخرى، منها أن أداء نموذجي GPT-4، و Llama كان أسوأ في مناطق معينة مثل أفريقيا جنوب الصحراء الكبرى، مما يشير إلى وجود تحيزات محتملة في بيانات التدريب المستخدمة.
وأكد بيتر تورتشين، قائد الدراسة وعضو هيئة التدريس في معهد (Complexity Science Hub)، أن نتائج هذه الدراسة تظهر أن النماذج اللغوية الكبيرة لا تزال غير قادرة على الحلول محل البشر في مجالات معينة مثل التاريخ.
ومع ذلك، لا يزال الباحثون متفائلين بإمكانية استفادة المؤرخين من هذه النماذج في المستقبل كأداة مساعدة تساهم في تسريع بعض جوانب البحث وتوفير معلومات أولية، ويعملون حاليًا على تحسين معايير التقييم المستخدمة في دراستهم بإضافة المزيد من البيانات من المناطق الممثلة تمثيلًا ناقصًا، وطرح أسئلة أكثر تعقيدًا.
وتُختتم الورقة البحثية بالتأكيد أن النتائج تسلط الضوء على المجالات التي تحتاج فيها النماذج اللغوية الكبيرة إلى تحسين، وتؤكد أيضًا إمكانات هذه النماذج في المساعدة في البحث التاريخي.
اقرأ أيضاً«ترامب» يعلن ضح استثمارات بـ500 مليار دولار في الذكاء الاصطناعي
اليونسكو تنظم ندوة عن كيفية الاستفادة من الذكاء الاصطناعي في التعليم
تلفزيون بريكس يبرز مساعي الإمارات وماليزيا لتعزيز التعاون في مجال الذكاء الاصطناعي
مصرع فتاة فى حادث بالفيوم