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:

النمو السريع في سوق الذكاء الاصطناعي يعقّد مهمة المستثمرين

يعقّد التقدّم المتسارع في مجال الذكاء الاصطناعي مهمة المستثمرين الذين يبحثون عن جانب جديد في نظام يشهد تطوّرا متواصلا.
يؤكد جاي داس، رئيس شركة الأسهم الخاصة "سافاير فانتشرز"، في مؤتمر أُقيم هذا الأسبوع في لاس فيغاس بالولايات المتحدة، أن الذكاء الاصطناعي "يُعدّ إحدى الفرص (الاستثمارية) التي لا نشهدها سوى مرة واحدة كل جيل".
ويوضح أنه، خلال السنوات الخمس الفائتة، تم استثمار مبالغ طائلة في ابتكار برامج ذكاء اصطناعي توليدي مثل "تشات جي بي تي"، وشراء الرقائق اللازمة لتصميمها.
تنتهي هذه المرحلة الأولى مع أعداد كبيرة من هذه النماذج القادرة على توليد محتوى حسب الطلب وباللغة اليومية، وغالبا ما تكون مجانية مع تكاليف ابتكار منخفضة.
وينبغي على رواد الأعمال ومحترفي تكنولوجيا المعلومات أن يتخيّلوا حاليا نظاما مبنيا على هذه الأسس، وهي التطبيقات وروبوتات الدردشة المتخصصة والبرامج المُساعِدَة.
تقول لورين كولودني، المشاركة في تأسيس شركة الأسهم الخاصة "أكرو كابيتال" إن "ثمة حاليا شركات ناشئة كثيرة" في سوق الذكاء الاصطناعي، مضيفة أنّ "الصعوبة تكمن في الاستشراف بشكل جيد".
وتضيف "أحد الأمور الأكثر تعقيدا عند الاستثمار مبكرا" في حياة شركة، "هو فهم من سينجح في الحصول على ميزة تنافسية في دورة الذكاء الاصطناعي هذه"، والتي تتغير معاييرها.
ويقول فين تشاو، رئيس قسم الأبحاث في شركة "ألفا إديسون" التي تدعم الشركات الناشئة "ما يهمّ هو جودة نموذج عملك، وليس التكنولوجيا التي تستخدمها".
وعلى المستثمرين بحسب توماش تونغوز، مؤسس شركة "ثيوري فنتشرز"، أن يكونوا على دراية بما هو أوسع من نطاق الشركة الناشئة.
ويقول هذا الموظف السابق في شركة "غوغل": "ندرس نظام القطاع المعني بأكمله، لا فقط النموذج الاقتصادي لهذه الشركة".
الحماية ضد المنافسة
بالنسبة إلى البعض، يشكل إبعاد المنافسين بصورة كافية تحديا عندما لا تكون المشهدية مستقرة بعد.
يقول جوش كونستين من شركة "سيغنال فاير" للخدمات الاستثمارية "لا يكفي أن تكون الأول، بل ينبغي أن تكون لديك البيانات الصحيحة والخبراء"، مضيفا "المهم حاليا هو البيانات".
ويشير إلى "إيفن آب"، وهي منصة دعم لمحامي المسؤولية المدنية، لتحسين إعداد طلبات التعويض الخاصة بعملائهم.
أنشأت الشركة، التي استثمرت فيها "سيغنال فاير"، قاعدة معلومات بشأن اتفاقيات ودية بين الضحايا وشركات التأمين، غالبا ما تكون سرية.
يقول جوش كونستين إنّ "ذلك يوفر صورة لكل محام، اعتمادا على الخصائص الطبية للملف واستنادا إلى البيانات التاريخية، عمّا يمكن للشخص المطالبة به".
ويتابع "لا تمتلك اوبن ايه آي ولا حتى أنثروبيك هذه البيانات"، مضيفا "مَن ينشئون قواعد بياناتهم الخاصة سيحققون أكبر قدر من النجاح".
بالإضافة إلى اللاعبين الصغار، لم تعد شركات الذكاء الاصطناعي الكبرى تكتفي بتزويد رواد الأعمال والمطورين بالأدوات اللازمة للابتكار، ولكنها تريد راهنا تقديم منتجات متخصصة جاهزة للاستخدام.
في بداية فبراير الماضي، تسرّب عبر الانترنت عرض لبرنامج افتراضي جديد ابتكرته شركة "اوبن ايه آي".
يقول كونستين "إن ذلك يشبه إلى حدّ ما فيسبوك قبل عشر سنوات"، مضيفا "إذا اخترعت تطبيقا قريبا جدا من أعمالهم، فتكون قد خاطرت بأن يطلقوا شيئا مشابها ويسحقوك".
يرى جيمس كوريه، الشريك الإداري لشركة الأسهم الخاصة "ان اف اكس"، أنّ الحماية ضد المنافسة لا تتعلق بالبيانات.
ويقول "في 95% من الحالات، أستطيع توليدها بنفسي أو نسخها (...) من دون الحاجة إلى بياناتك".
ويقول فين تشاو "إذا لم تبتكروا شيئا يتمحور على الإنسان ويمكن أن يتناسب مع الروتين اليومي ليوم العمل، فلن ينجح الأمر".

أخبار ذات صلة الذكاء الاصطناعي يعزز الاستدامة ويسرع مكافحة التغير المناخي «تيك توك» يفرض قيودًا جديدة على وقت استخدام الأطفال المصدر: آ ف ب

مقالات مشابهة

  • الصدر يعلق على استخدام الذكاء الاصطناعي
  • الذكاء الاصطناعي يفك لغزاً علمياً استعصى على العلماء لعقد كامل
  • آخر أيام الموجة الحارة.. تحذيرات جديدة من هيئة الأرصاد بشأن الطقس
  • استشاري: الذكاء الاصطناعي يفرض تحديات على بعض الوظائف التقليدية
  • بين الابتكار والسيطرة.. هيمنة الذكاء الاصطناعي الصيني
  • أيام أقل لتدريب الموظفين الجدد بفضل الذكاء الاصطناعي
  • إيران.. إطلاق منصة وطنية لـ«الذكاء الاصطناعي»
  • تحذيرات الطقس: أمطار متفرقة ورياح مثيرة للأتربة على هذه المحافظات في الساعات القادمة
  • النمو السريع في سوق الذكاء الاصطناعي يعقّد مهمة المستثمرين
  • الذكاء الاصطناعي والدخول إلى خصوصيات البشر