التنبؤ بالطقس أمر شائك، فنحن نعتمد عليه في التخطيط لأنشطتنا اليومية، والاستعداد للكوارث الطبيعية، وحتى في تحديد الملابس التي نرتديها كل يوم، ولكن على الرغم من التقدم التكنولوجي، فإننا لا نحصل إلا على توقعات الطقس بعد حوالي 10 أيام من الآن.



 لنتأمل موجة الحر المدمرة التي ضربت شمال غرب المحيط الهادئ في يونيو 2021، فقد ذابت خطوط الكهرباء، ودُمرت المحاصيل، ولقي مئات الأشخاص حتفهم، وكان من الممكن أن يساعد إطالة فترة التنبؤ بالطقس المجتمعات المحلية على الاستعداد بشكل أفضل للحرارة الشديدة.

النماذج المساعدة في التنبؤ بالطقس
يلجأ علماء الطقس عادة إلى النماذج المساعدة لقياس مدى تعرض التنبؤات للأخطاء في الظروف الأولية هل تساءلت يومًا كيف يمكن لتغير طفيف في درجة الحرارة أو بخار الماء في الغلاف الجوي أن يغير نتائج التنبؤات.

 

وتساعد هذه النماذج في الإجابة على هذا السؤال فهي توضح العلاقة بين الظروف الأولية والأخطاء المتوقعة وبالتالي، يستطيع العلماء إجراء التعديلات اللازمة حتى يكتشفوا مجموعة الظروف الأولية التي تؤدي إلى التنبؤ الأكثر دقة.

ولكن هناك مشكلة واحدة، ذلك أن تشغيل هذه النماذج يتطلب موارد مالية وحوسبية ضخمة، ولا تستطيع هذه النماذج قياس الحساسيات إلا قبل خمسة أيام فقط.

التعلم العميق في التنبؤ بالطقس
كان الباحثون في قسم علوم الغلاف الجوي بجامعة واشنطن يستكشفون ما إذا كان التعلم العميق يمكن أن يوفر طريقة فعالة وأكثر دقة لتحديد مجموعة مثالية من الظروف الأولية للتنبؤ لمدة 10 أيام.

لاختبار فرضيتهم، قام الخبراء بوضع نماذج لتوقعات موجة الحر الكارثية في شمال غرب المحيط الهادئ في يونيو 2021 وقد استخدموا نموذجين مختلفين للتنبؤ: نموذج GraphCast من Google DeepMind ونموذج Pangu-Weather من Huawei Cloud.

نُشرت الدراسة في مجلة Geophysical Research Letters .

أراد العلماء التحقق مما إذا كانت النماذج تعمل بشكل مشابه وكيفية مقارنتها بالأحداث الفعلية لموجة الحر ولضمان نتائج غير متحيزة، استبعدوا بيانات موجة الحر من مجموعة البيانات المستخدمة لتدريب النماذج.

تقييم النماذج المتقدمة
أجرى الباحثون مقارنة دقيقة بين مخرجات نموذجي GraphCast وPangu-Weather والبيانات الجوية الفعلية لفترة موجة الحر في يونيو 2021.

ركزوا على دقة التنبؤات بدرجات الحرارة، وقدرة النماذج على توقع الظروف القاسية، وكفاءتها الحسابية  وكشفت النتائج الأولية أن كلا النموذجين أظهرا درجة عالية من الدقة، مع إظهار Pangu-Weather أفضلية طفيفة في التنبؤ بدرجات الحرارة على المدى الطويل.

وأظهرت النماذج المتقدمة إمكانات واعدة في تعزيز دقة التوقعات وإعادة توقيت تسليمها، مما يوفر رؤى قيمة للمواقف الطارئة مثل موجات الحر.

مستقبل التنبؤ بالطقس
يمثل تنفيذ نماذج التعلم العميق مثل GraphCast وPangu-Weather تحولًا محوريًا في مجال الأرصاد الجوية، حيث يعد بتوقعات أكثر دقة وفي الوقت المناسب.

ومع ذلك، لا تزال التحديات قائمة، وخاصة في ضمان قدرة هذه النماذج على معالجة مجموعات البيانات الضخمة في سيناريوهات الوقت الفعلي والتكامل بسلاسة في أطر التنبؤ الحالية.

بالإضافة إلى ذلك، هناك حاجة متزايدة للتعاون بين خبراء الأرصاد الجوية وعلماء البيانات وصناع السياسات لتحقيق أقصى استفادة من هذه التطورات التكنولوجية.

ومع استمرار تطور الأبحاث، فإن هذه الأساليب الجديدة تمتلك القدرة على إحداث ثورة في مجال التنبؤ بالطقس، مما يؤدي إلى تحسين استعداد المجتمع وقدرته على الصمود في مواجهة الشذوذ المناخي.

 

تقييم النماذج المتقدمة
أجرى الباحثون مقارنة دقيقة بين مخرجات نموذجي GraphCast وPangu-Weather والبيانات الجوية الفعلية لفترة موجة الحر في يونيو 2021.

ركزوا على دقة التنبؤات بدرجات الحرارة، وقدرة النماذج على توقع الظروف القاسية، وكفاءتها الحسابية.

وكشفت النتائج الأولية أن كلا النموذجين أظهرا درجة عالية من الدقة، مع إظهار Pangu-Weather أفضلية طفيفة في التنبؤ بدرجات الحرارة على المدى الطويل.

وأظهرت النماذج المتقدمة إمكانات واعدة في تعزيز دقة التوقعات وإعادة توقيت تسليمها، مما يوفر رؤى قيمة للمواقف الطارئة مثل موجات الحر.

 

مستقبل التنبؤ بالطقس
يمثل تنفيذ نماذج التعلم العميق مثل GraphCast وPangu-Weather تحولًا محوريًا في مجال الأرصاد الجوية، حيث يعد بتوقعات أكثر دقة وفي الوقت المناسب.

ومع ذلك، لا تزال التحديات قائمة، وخاصة في ضمان قدرة هذه النماذج على معالجة مجموعات البيانات الضخمة في سيناريوهات الوقت الفعلي والتكامل بسلاسة في أطر التنبؤ الحالية.

بالإضافة إلى ذلك، هناك حاجة متزايدة للتعاون بين خبراء الأرصاد الجوية وعلماء البيانات وصناع السياسات لتحقيق أقصى استفادة من هذه التطورات التكنولوجية.

ومع استمرار تطور الأبحاث، فإن هذه الأساليب الجديدة تمتلك القدرة على إحداث ثورة في مجال التنبؤ بالطقس، مما يؤدي إلى تحسين استعداد المجتمع وقدرته على الصمود في مواجهة الشذوذ المناخي.

 

توسيع نطاق التعلم العميق
يتطلب توسيع نطاق مناهج التعلم العميق للتنبؤات الجوية العالمية استراتيجية شاملة لإدارة عدم تجانس البيانات، والكثافة الحسابية، واستهلاك الطاقة.

تتطلب مصادر البيانات الواسعة والمتنوعة – من صور الأقمار الصناعية إلى قراءات أجهزة استشعار المحيطات – أن تقوم النماذج بتنسيق المدخلات بدقة وتنسيقات مختلفة.

القدرة الحسابية اللازمة للتعامل مع مثل هذه المجموعات الضخمة والمتنوعة من البيانات كبيرة، مما يثير المخاوف بشأن التأثير البيئي بسبب العمليات كثيفة الاستهلاك للطاقة.

ونتيجة لهذا، يستكشف الباحثون خوارزميات موفرة للطاقة وحلول أجهزة مبتكرة للتخفيف من حدة هذه التحديات. بالإضافة إلى ذلك، هناك حاجة ماسة إلى أطر تحقق قوية لضمان إمكانية تعميم هذه النماذج عبر مناطق وظروف مناخية متنوعة.

 

التنبؤ بالطقس باستخدام الذكاء الاصطناعي
دمج الذكاء الاصطناعي في التنبؤ بالطقس يثير العديد من الاعتبارات الأخلاقية التي تستحق الفحص الدقيق.

في المقام الأول، تبرز مسألة خصوصية البيانات، حيث تتضمن مجموعات البيانات المعقدة غالبًا معلومات حساسة تتعلق بالموقع الجغرافي، بالإضافة إلى ذلك، هناك خطر متأصل يتمثل في التحيز الخوارزمي، حيث يمكن أن تؤدي التفاوتات في جمع البيانات إلى تحريف التوقعات، مما يؤثر بشكل غير متناسب على فئات سكانية أو مناطق معينة.

الشفافية والمساءلة في عمليات صنع القرار المتعلقة بالذكاء الاصطناعي أمر ضروري لضمان الوصول العادل إلى تقنيات التنبؤ المتقدمة .

تقليل أخطاء التنبؤ
كانت النتائج مذهلة للغاية، فقد أدى استخدام التعلم العميق لتحديد الظروف الأولية المثلى إلى انخفاض هائل بنسبة 94% في أخطاء التنبؤ على مدى 10 أيام في نموذج GraphCast.

ولقد لوحظ انخفاض مماثل في الأخطاء عندما تم تطبيق هذه الطريقة على نموذج Pangu-Weather، ومن اللافت للنظر أن التقنية الجديدة أدت إلى تحسين التوقعات قبل 23 يوماً.

فهل نقف الآن على أعتاب عصر جديد في التنبؤ بالطقس؟ وهل يمكننا أن نتطلع إلى توقعات لا تتسم فقط بالدقة، بل وتوفر أيضاً فترات زمنية أطول؟ وإذا كانت النتائج مؤشراً على أي شيء، فقد لا يكون هذا بعيداً عن الحقيقة.

المصدر: صدى البلد

كلمات دلالية: بالإضافة إلى ذلک بدرجات الحرارة الأرصاد الجویة النماذج على هذه النماذج فی یونیو 2021 موجة الحر فی مجال

إقرأ أيضاً:

مهن ستنجو من التحول إلى الذكاء الاصطناعي.. «بيل غيتس» يكشفها

في وقت يشهد فيه العالم تحولات سريعة في كافة القطاعات بسبب اقتحامها من قبل الذكاء الاصطناعي، تثار تساؤلات ومخاوف بشأن فقدان الوظائف، إذ من المتوقع أن يقوم الذكاء الاصطناعي بالكثير من الأدوار ويحل محل الكثيرين ممن يقومون بها أو يؤدونها.

ويعتقد مؤسس عملاق التكنولوجيا “مايكروسوفت”، بيل غيتس، صاحب الرؤية التقنية، أن “بعض المهن ستظل أساسية- على الأقل في الوقت الحالي”، ووفقا له، “هناك 3 مهن ستنجو من إعصار الذكاء الاصطناعي، ولا يمكن لهذه التقنية أن تحل محل العاملين فيها أو تقليدها”.

مطورو البرمجيات: مهندسو الذكاء الاصطناعي

بحسب غيتس، “يشهد الذكاء الاصطناعي تقدما، لكنه لا يزال يعتمد على المبرمجين البشريين لتحسين قدراته، ويشير بيل غيتس إلى أنه “على الرغم من قدرة الذكاء الاصطناعي على توليد الأكواد البرمجية، إلا أنه يواجه صعوبات في الابتكار وتصحيح الأخطاء وحل المشكلات المعقدة، ونتيجة لذلك، سيواصل المبرمجون الماهرون لعب دور حاسم في تطوير وإدارة أنظمة الذكاء الاصطناعي”.

متخصصو الطاقة: التعامل مع بيئة معقدة:

وفق غيتس، “يُعد قطاع الطاقة قطاعا معقدا للغاية بحيث لا يستطيع الذكاء الاصطناعي إدارته بمفرده، وسواء أكان التعامل مع النفط أو مصادر الطاقة المتجددة أو الطاقة النووية، يجب على المتخصصين في هذا القطاع فهم اللوائح، وتصميم حلول مستدامة، والاستجابة للطلب العالمي على الطاقة”، ويعتقد غيتس “أن الذكاء الاصطناعي سيساعد في الكفاءة والتحليل، لكن الخبرة البشرية ستبقى حيوية لاتخاذ القرارات الاستراتيجية”.

باحثو علوم الحياة: إطلاق العنان للاختراقات العلمية

يقول غيتس، “في البحوث الطبية والبيولوجية، لا يزال الحدس وحل المشكلات الإبداعي ضروريين، ويستطيع الذكاء الاصطناعي معالجة كميات هائلة من البيانات وتحسين التشخيص، غير أن بيل غيتس يشير إلى أن الاكتشافات الرائدة لا تزال تتطلب بصيرة بشرية”.

ويعتقد غيتس أن “العلماء سيواصلون قيادة التطورات الطبية، حيث سيكون الذكاء الاصطناعي أداة لا بديلا عنها”، ويُقر مؤسس “مايكروسوفت” بأن “تأثير الذكاء الاصطناعي على سوق العمل سيتطور بمرور الوقت”.

ووفق غيتس، “كما هو الحال في الثورات الصناعية السابقة، يجب على العمال التكيف مع التقنيات الجديدة وتطوير مهارات تُكمّل الذكاء الاصطناعي”.

ويعتقد غيتس أنه “رغم أن إعصار الذكاء الاصطناعي يجتاح كل شيء فإنه من المتوقع أيضا أن تستمر المهن المتجذرة في الإبداع والأخلاق والتواصل الإنساني – مثل التعليم والرعاية الصحية والفنون”، وفي حين يُعيد الذكاء الاصطناعي تشكيل الصناعات، يحث غيتس، المهنيين على “تبني الابتكار بدلا من الخوف منه، ولن يكون مستقبل العمل مُتعلقا بمنافسة الذكاء الاصطناعي، بل بالاستفادة منه لتعزيز الخبرة البشرية”.

مقالات مشابهة

  • الصين ترد على رسوم ترامب بأغاني وفيديوهات من إنتاج الذكاء الاصطناعي
  • كيف وقع الذكاء الاصطناعي ضحية كذبة أبريل؟
  • تحذير أممي من تأثير الذكاء الاصطناعي على 40% من الوظائف
  • مهن ستنجو من التحول إلى الذكاء الاصطناعي.. «بيل غيتس» يكشفها
  • اتهامات لعمالقة الذكاء الاصطناعي بالتورط مع إسرائيل بإبادة غزة
  • بيل غيتس يستثني 3 مهن من هيمنة الذكاء الاصطناعي
  • بيل غيتس: 3 مهن ستصمد في وجه الذكاء الاصطناعي
  • بيل غيتس عن الذكاء الاصطناعي: 3 مهن ستنجو من إعصار
  • خبر سيئ للأفريقيات في هذا القطاع.. بسبب الذكاء الاصطناعي
  • تقرير أممي: الذكاء الاصطناعي سيؤثر على قرابة نصف الوظائف في العالم