عصر جديد في التنبؤ بالطقس.. الذكاء الاصطناعي سيعمل على تحسين تحذيرات الطقس المتطرف
تاريخ النشر: 14th, October 2024 GMT
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:
الذكاء الاصطناعي يقود ثورة في الأسواق.. فرص استثمارية واعدة بمبلغ 200 دولار
يهيمن اتجاه واحد على السوق منذ أكثر من عامين الذكاء الاصطناعي (AI)، حيث أضافت الشركات مجتمعة تريليونات الدولارات إلى قيمتها السوقية بفضل الإنفاق الهائل على الذكاء الاصطناعي وحماس المستثمرين لإمكاناته.
وعلى الرغم من الارتفاع الكبير الذي تشهده السوق حاليًا، فقد يكون هناك المزيد من الإنفاق على الذكاء الاصطناعي في المستقبل.
تتوقع شركة الأبحاث IDC أن تنفق الشركات 307 مليارات دولار على حلول الذكاء الاصطناعي هذا العام، ومن المتوقع أن يتضاعف هذا الرقم إلى أكثر من 632 مليار دولار بحلول عام 2028.
بالطبع، لن تكون كل شركة فائزة من كل هذا الإنفاق على الذكاء الاصطناعي. وحتى لو كانت الشركة لديها آفاق عظيمة، يجب أن يقدم سهمها قيمة جذابة، وهو أمر يزداد صعوبة وسط ارتفاع الأسهم.
لكن المستثمرين الذين لديهم 200 دولار فقط يمكنهم العثور على فرص رائعة بين أسهم الذكاء الاصطناعي في السوق اليوم. إليك ثلاثة خيارات استثمارية مضمونة في الوقت الحالي.
1. ألفابيت (Alphabet)
ألفابيت (GOOG -1.82%) (GOOGL -1.78%) هي الشركة الأم لجوجل، وتخطط لإنفاق مبلغ ضخم على بناء البنية التحتية للذكاء الاصطناعي في عام 2025. تتوقع الإدارة إنفاق 75 مليار دولار على النفقات الرأسمالية هذا العام، بشكل أساسي للخوادم.
يشير ذلك إلى الفرصة التي تراها الإدارة في الذكاء الاصطناعي، وهي تظهر بالفعل علامات قوية على الاستفادة من هذه الفرصة. بدأت الشركة في دمج الردود التي تم إنشاؤها بواسطة الذكاء الاصطناعي على استعلامات البحث في عام 2023.
بحلول نهاية عام 2024، كانت هذه "نظرات عامة على الذكاء الاصطناعي" متاحة في 100 دولة وتدفع إلى زيادة الرضا والمشاركة مقارنة بنتائج البحث التقليدية.
والأهم من ذلك، أن جوجل لا تستنزف أعمالها الإعلانية. قال نائب الرئيس الأول لجوجل فيليب شيندلر في مكالمة أرباح الربع الرابع لألفابيت: "نرى بالفعل تحقيق الدخل بنفس المعدل تقريبًا".
الذكاء الاصطناعي يقف أيضًا وراء التطورات في منتجات مثل Google Lens وميزة "دائرة البحث" على أجهزة أندرويد. يتمتع الذكاء الاصطناعي التوليدي بالقدرة على تحسين أعمال جوجل الإعلانية، مما يسهل على المسوقين تطوير إعلانات إبداعية جديدة واختبار الحملات الإعلانية.
كانت Google Cloud مستفيدًا كبيرًا من زيادة الإنفاق على الذكاء الاصطناعي من الشركات الأخرى.
نما إيراداتها بنسبة 30% العام الماضي بينما توسع هامش التشغيل إلى 14%. قد تشهد نموًا كبيرًا في السنوات القادمة حيث أشارت الإدارة إلى أنها لا تزال مقيدة بالقدرة التخزينية وأن منافسيها يتمتعون بهوامش تشغيل أعلى.
بينما تنفق ألفابيت بكثافة على الذكاء الاصطناعي، فإنها ترى عوائد قوية على استثماراتها. نما ربحية السهم بنسبة 39% العام الماضي ويتوقع المحللون نموًا إضافيًا بنسبة 12% هذا العام.
ومع ذلك، يتم تداول الأسهم مقابل 170 دولارًا فقط في وقت كتابة هذا التقرير، أي أقل من 19 ضعفًا لتوقعات أرباح المحللين لعام 2025. هذا صفقة رائعة للمستثمرين وتستحق مبلغ 200 دولار.
2. أبلايد ماتيريالز (Applied Materials)
يتطلب إنتاج رقائق الذكاء الاصطناعي المتطورة الكثير من المعدات المتخصصة، وإحدى أكبر الشركات المصنعة للمعدات في العالم هي أبلايد ماتيريالز (AMAT -3.18%).
على عكس معظم الشركات المصنعة لمعدات أشباه الموصلات الأخرى، تمتلك أبلايد مجموعة واسعة من المعدات التي يمكن أن تخدم مجموعة من العملاء.
مع توسع إنتاج الرقائق وزيادة تعقيده، سيستمر الطلب على منتجات أبلايد في النمو. وهناك عاملان يضمنان أن أبلايد ستفوز بمعظم العقود الجديدة مع مصانع الرقائق.
أولاً، تستفيد من دورة حميدة، حيث تنفق مصانع الرقائق أموالًا أكثر مع أبلايد مقارنة بأي شركة مصنعة للمعدات الأخرى، مما يمنح الشركة المزيد للاستثمار في البحث والتطوير.
أنفقت 3.2 مليار دولار على البحث والتطوير لإنشاء معدات أكثر تقدمًا في عام 2024 قادرة على إنتاج رقائق متطورة وخفض معدلات الخطأ في هذا الإنتاج. هذه الميزانية تفوق منافسيها تمامًا، مما يضمن قدرتها على الاستمرار في تقديم معدات أفضل من أي شخص آخر في السوق لسنوات قادمة.
ثانيًا، لا تستطيع مصانع الرقائق تحمل وقت التوقف المطلوب لتبديل مزودي المعدات. بالإضافة إلى ذلك، هناك خطر من أن المعدات الأخرى لن تكون قادرة على مواكبة التطورات في التكنولوجيا، وهو خطر غير ضروري لأي مدير. بمعنى آخر، تكاليف التبديل للابتعاد عن معدات أبلايد مرتفعة للغاية.
تدير أبلايد أيضًا أعمال خدمات ذات هامش ربح مرتفع لضمان تشغيل معداتها كما هو متوقع. من المتوقع أن ينمو هذا العمل بسرعة مع زيادة تعقيد تصنيع الرقائق وزيادة مصانع الرقائق لإنتاج رقائق الجيل التالي.
مع تداول السهم مقابل 158 دولارًا فقط في وقت كتابة هذا التقرير، يبدو وكأنه صفقة رائعة لأي شخص يتطلع إلى البدء في الاستثمار في أسهم الذكاء الاصطناعي بمبلغ 200 دولار فقط.
يترجم سعر السهم هذا إلى نسبة السعر إلى الأرباح الآجلة حوالي 17 ومضاعف قيمة المؤسسة إلى المبيعات أقل من 5. بأي طريقة تنظر إليها، فهي قيمة رائعة لشركة تتمتع بالموقع التنافسي لشركة أبلايد ماتيريالز.
3. أدفانسد مايكرو ديفايسز (Advanced Micro Devices)
غالبًا ما يُنظر إلى أدفانسد مايكرو ديفايسز (AMD -1.52%) على أنها تلعب الدور الثاني لشركة إنفيديا (NVDA -8.34%) عندما يتعلق الأمر بصنع وحدات معالجة الرسوميات (GPUs) بالغة الأهمية لخوادم الذكاء الاصطناعي.
في الواقع، خيبت AMD آمال المستثمرين عندما توقعت انخفاضًا متتاليًا بنسبة 7% في الإيرادات للربع الأول من عام 2025، وأكدت أن أعمال مركز البيانات الخاص بها ستشهد انخفاضًا مماثلاً.
بالمقارنة، تتوقع إنفيديا زيادة متتالية بنسبة 9% في الإيرادات في الربع المماثل.
ومع ذلك، قد يقلل المستثمرون من قيمة أعمال وحدات معالجة الرسوميات الخاصة بـ AMD جنبًا إلى جنب مع تقدمها في الحصول على حصة سوقية في سوق وحدات المعالجة المركزية x86 لكل من الخوادم وأجهزة الكمبيوتر الاستهلاكية.
بينما تتمتع إنفيديا بميزة كبيرة على AMD بفضل برنامج CUDA الخاص بها والأجهزة المتقدمة، توفر AMD مصدرًا مهمًا لمراكز البيانات الضخمة كمصدر ثانوي لقوة الحوسبة.
تتوقع الإدارة أن يصل إجمالي السوق القابل للتناول لرقائق مسرعات الذكاء الاصطناعي إلى أكثر من 500 مليار دولار في عام 2028. حتى حصة صغيرة من هذا السوق ستكون ضخمة بالنسبة لـ AMD، التي حققت 12.6 مليار دولار من الإيرادات من قطاع مركز البيانات الخاص بها العام الماضي.
والأهم من ذلك، أن AMD لديها الكثير من الإمكانات لزيادة هوامشها في الوقت الحالي. فقد رفعت هامشها الإجمالي من 45% إلى 53% في عام 2024.
وبينما قد لا تتمتع بقوة التسعير التي تتمتع بها إنفيديا، يجب أن تستفيد من توسيع نطاق عملياتها.
يجب أن يؤدي ذلك إلى توسع هامش التشغيل بشكل كبير على مدى السنوات القليلة المقبلة نحو هدف الإدارة طويل الأجل في منتصف الثلاثينيات من 24% العام الماضي.