يكشف مطورو المملكة المتحدة وكندا عن تطبيق Aardvark Weather الجديد المدعوم بالذكاء الاصطناعي

Aardvark Weather، وهو نموذج ذكاء اصطناعي مبتكر تم تطويره بواسطة باحثين من المملكة المتحدة وكندا، لديه القدرة علىإحداث ثورة في التنبؤ بالطقس العالمي من خلال استبدال أساليب المحاكاة التقليدية بتكنولوجيا التعلم العميق لتعزيز كل من الكفاءة من حيث التكلفة والدقة.

كشف الفريق، الذي يضم خبراء من جامعة كامبريدج، ومعهد فيكتور في جامعة تورنتو، ومعهد آلان تورينج، وآخرين، عن نتائجهم الرائدة فيتقرير الطبيعة الأخير.

على عكس النماذج التقليدية التي تعتمد على معادلات الفيزياء الجوية المعقدة، يستخدم Aardvark Weather التعلم العميق لتوليد توقعات عالمية للمتغيرات الرئيسية مثل الرياح والرطوبة والجهد الجيوفيزيائي ودرجة الحرارة عبر مستويات ضغط متعددة.

بالإضافة إلى ذلك، فإنه ينتج توقعات محلية لدرجة الحرارة على ارتفاع 2 متر وسرعة الرياح على ارتفاع 10 أمتار.

من خلال الاستفادة من قدرة التعلم العميق على تحديد الأنماط في مجموعات البيانات الضخمة، يمكن لـ Aardvark Weather زيادة دقة وتكرار التوقعات بشكل كبير، مما يعزز السرعة والدقة.

قال جيمس ريكويما، زميل ما بعد الدكتوراه في معهد فيكتور بجامعة تورنتو:

في الوقت الحالي، تتضمن عملية التنبؤ بعض المكونات الحاسوبية المكلفة. وقد تمكنا من استبدال العديد من هذه الأجزاء التي تستغرق وقتًا طويلاً بنماذج أخف وزنًا بكثير، مُدربة على أداء المهام نفسها.

وأضاف:

وجدنا أنه بمجرد ربط مكونات التعلم الآلي معًا، يتحسن الأداء العام بشكل ملحوظ. من خلال ضبط مسار العمل بالكامل للمهمة النهائية التي نستهدفها، يمكننا تحسين كل مكون ليس فقط لدوره المنفرد، بل أيضًا لمساهمته في تحقيق النتيجة التي نهتم بها أكثر.

ويهدف المشروع، الذي تضمن أيضًا التعاون مع Microsoft Research Cambridge، وECMWF، وهيئة المسح البريطانية للقطب الجنوبي، إلى استبدال كل خطوة في خط أنابيب التنبؤ، وتحويل البيانات الخام إلى بيانات أكثر دقة.التنبؤات الجوية الدقيقة وفي الوقت المناسب.

طقس Aardvark المدعوم بالذكاء الاصطناعي

يستغل Aardvark Weather البيانات الجوية الخام، بما في ذلك قياسات الضغط ودرجة الحرارة والرطوبة، لتوليد صور عالية الدقةالتوقعات على المستويين العالمي والمحلي.

يعمل النظام من خلال ثلاثة مكونات عصبية أساسية: المشفر، والمعالج، وفك التشفير.

المشفر: يحول البيانات الرصدية الخام غير المنظمة إلى تمثيل جوي منظم ومقسم إلى شبكي.

المعالج: يستخدم هذه البيانات الشبكية لإنتاج توقعات الطقس.

فك التشفير: يحول التوقعات إلى تنبؤات محددة ومحلية.

لتحسين الأداء وتعزيز الدقة، يتم تدريب كل مكون في البداية مسبقًا على بيانات إعادة تحليل ERA5، وهي مجموعة بيانات تاريخية عالية الجودة تقدمها ECMWF.

ويتم بعد ذلك ضبط النموذج باستخدام ملاحظات الطقس في العالم الحقيقي، مما يضمن قدرة النموذج على التكيف مع الظروف الحالية وتقديم توقعات دقيقة.

صرحت ريكويما:

يعمل استيعاب البيانات، بشكل عام، كإجراء انحداري ذاتي. تبدأ العملية بالتنبؤات الجوية الحالية، التي تولّدها أنظمة ديناميكية كبيرة تُقدّر حالتها الحالية. عند اللحظة صفر، تكون هذه الحالة الأولية. لكن استيعاب البيانات يتطلب أيضًا دمج القياسات اللحظية من أجهزة الاستشعار عن بُعد. لذا، تجمع الملاحظات الفعلية إلى جانب توقعات النموذج، وتُعدّل تقديرك للغلاف الجوي وفقًا لذلك.

أقل تكلفة، وأقل استهلاكًا للوقت، وأكثر كفاءة

التقرير يسلط Aardvark الضوء على الكفاءة المذهلة، مشيرًا إلى أنه يمكنه إنتاج توقعات عالمية كاملة في ثانية واحدة فقط باستخدام أربع وحدات معالجة رسومية NVIDIA A100 فقط.

يتناقض هذا بشكل حاد مع النماذج القديمة، مثل المركز الأوروبي للصواريخ متوسطة المدىتوقعات الطقس - توقعات عالية الدقة، والتي قد يستغرق تشغيلها ساعات.

يفتح هذا الانخفاض الكبير في قوة الحوسبة المجال أمام التنبؤات عالية الجودة والقابلة للتخصيص للمناطق والمنظمات التي تفتقر إلى الموارد اللازمة لأنظمة التنبؤ العددي بالطقس التقليدية (NWP).

علاوة على ذلك، فهو يسمح بضبط النموذج بشكل أسرع بكثير.

يعد Aardvark جزءًا من مجموعة متنامية من الأدوات التي تعتمد على الذكاء الاصطناعي والمصممة لتحسينالتوقعات الجوية ، وخاصة في الاستجابة للأحداث الجوية المتطرفة.

على سبيل المثال، خلال العواصف الأخيرة مثل إعصاري هيلين وميلتون، والتي ضربت الساحل الشرقي للولايات المتحدة في أكتوبر/تشرين الأول 2024، كان للذكاء الاصطناعي دور حاسم في تحسين التنبؤات بشدة العواصف.

وبالنظر إلى المستقبل، يخطط ريكويما وفريقه لجعل Aardvark مفتوح المصدر، مما يؤدي إلى توسيع نطاق الوصول إلى هذه التكنولوجيا المتقدمة.

واختتم قائلا:

أعتقد أنها خطوة مهمة نحو تعميم نمذجة الطقس، وجعلها أسهل استخدامًا وأكثر سهولةً في الوصول إليها. هذا ما نأمله. كما أنها تُمثل تقدمًا كبيرًا في نمذجة الطقس الشاملة، لا سيما من خلال نهج التعلم الآلي القائم على البيانات.