نموذج جوجل الجديد للتنبؤ بالذكاء الاصطناعي يبشر بتوقعات جوية أسرع وأكثر دقة
تعمل شركة Google DeepMind على دفع أبحاث الطقس بالذكاء الاصطناعي إلى الاستخدام اليومي، حيث تقدم WeatherNext 2 - وهو نظام تنبؤ جديد مصمم لتقديم تنبؤات أسرع وأكثر دقة ومرونة من الأدوات التقليدية.
وبدلاً من الاعتماد على عمليات محاكاة الفيزياء كاملة النطاق والتي تستغرق عادةً ساعات لحسابها، ينتج النموذج توقعات عالمية مفصلة في أقل من دقيقة، مما يسمح للوكالات والمستهلكين بالتفاعل بشكل أسرع مع الظروف المتغيرة.
وقال بيتر باتاليا، المدير الأول للأبحاث، إن الترقية أصبحت جاهزة للاستخدام في العالم الحقيقي بعد سنوات من العمل التجريبي.
وقال للصحفيين:
"نحن نخرجه من المختبر ونضعه في أيدي المستخدمين بطرق أكثر من أي وقت مضى... لدينا ثقة في أن توقعاتنا فعالة ومفيدة للغاية."
كيف يُغيّر تطبيق Weathernext 2 توقعات الطقس؟
ويتمثل جوهر النظام في نهج النمذجة المعروف باسم الشبكة التوليدية الوظيفية، أو FGN.
بدلاً من تعلم أنظمة الطقس بأكملها كحزمة واحدة، يتم تدريب النموذج على مكونات فردية مثل درجة الحرارة والرياح والرطوبة والضغط في نقاط محددة.
ومن هناك، يتعلم كيف تشكل هذه العناصر الأنماط الأكبر وراء العواصف، أو موجات الحر، أو تحولات الرياح.
كما يقوم FGN أيضًا بإدخال ضوضاء مستهدفة في كل تنبؤ، مما يسمح للنموذج بإنشاء مئات النتائج المعقولة من نقطة بداية واحدة دون تكرار دورات حسابية طويلة.
وتقول شركة DeepMind إن هذه الطريقة تزيد من الدقة عبر 99.9% من المتغيرات التي تم اختبارها وتزيد من الدقة، مما يتيح خطوات مدتها ساعة واحدة بدلاً من الزيادات التي تبلغ ست ساعات والتي كانت تستخدم سابقًا.
وبحسب باتاجليا، فإن النظام "أسرع بنحو ثماني مرات من النموذج الاحتمالي السابق الذي أصدرناه العام الماضي، ومن حيث الدقة، فهو أكبر بست مرات".
وأضاف أن النموذج يتفوق على سابقه "في 99.9% من المتغيرات التي اختبرناها".
ما مدى السرعة ولماذا هذا مهم
يتم تشغيل توقعات WeatherNext 2 الكاملة على وحدة معالجة Google Tensor واحدة وتستغرق أقل من دقيقة.
تعتمد التوقعات التقليدية المبنية على الفيزياء على إعادة إنشاء ديناميكيات الغلاف الجوي - وهي عملية يمكن أن تستغرق ساعات حتى على جهاز كمبيوتر عملاق.
وتعني زيادة السرعة أنه يمكن تحديث التوقعات بشكل متكرر، مما يحسن القدرة على تتبع الأنظمة سريعة الحركة أو الطقس المتطرف الناشئ.
وتقول شركة DeepMind إن النموذج يقدم توقعات محسنة بشأن درجة الحرارة والرياح والرطوبة والضغط في كل نقطة تقريبًا خلال نافذته الممتدة لـ15 يومًا.
وفي اختبارات الدقة باستخدام درجة الاحتمالية المرتبة المستمرة، أظهر النظام الجديد تحسنات متوسطة بنسبة 8.7% لمتوسط CRPS المجمع و7.5% لأقصى CRPS المجمع عند قياسه مقابل GenCast، وهو نموذج الانتشار السابق للشركة.
أداء أقوى للأعاصير
ومن بين الترقيات البارزة للنظام قدرته على تتبع الأعاصير المدارية بدقة أكبر.
وبالمقارنة مع أرشيف أفضل مسار دولي لإدارة المناخ، فإن توقعات المجموعة المتوسطة لـ WeatherNext 2 قللت من أخطاء الموقع بما يعادل نحو 24 ساعة من المهلة الزمنية بين التوقعات الممتدة من ثلاثة إلى خمسة أيام.
حتى النسخة الأبطأ من النموذج والتي تستغرق 12 ساعة ظلت أكثر دقة من GenCast لأكثر من يومين.
وقد تمت بالفعل مشاركة أدوات التنبؤ المبكر بالأعاصير المدعومة بهذه الهندسة المعمارية مع وكالات الأرصاد الجوية للاختبار.
سلط مدير المنتج عكيب الدين الضوء على الفوائد العملية:
"يمكنك الحصول على توقعات أكثر دقة، وتحصل عليها بشكل أسرع، وهذا يساعد الجميع على اتخاذ القرارات الصحيحة، خاصة مع بدء رؤية المزيد والمزيد من الطقس المتطرف."
أين سيرى الناس الترقية
يعد تطبيق WeatherNext 2 نشطًا بالفعل في Google Search وGemini وPixel Weather وواجهة برمجة تطبيقات Google Maps Weather.
ومن المقرر إطلاق هذه الميزة على نطاق أوسع عبر الخرائط، إلى جانب برنامج الوصول المبكر للشركات التي ترغب في الحصول على نماذج مخصصة.
تتوفر بيانات التنبؤ أيضًا من خلال Google Earth Engine وBigQuery للتحليل الجغرافي المكاني وواسع النطاق.
وقال الدين إن التكامل عبر منصات جوجل جارٍ:
سواء كنت تستخدم محرك البحث أو جهاز Android أو خرائط Google، فإن الطقس يؤثر على الجميع، ومن خلال تقديم تنبؤات أفضل للطقس، نتمكن من مساعدة الجميع.
لماذا تولي الشركات اهتمامًا؟
ويثبت القرار الذي يستغرق ساعة واحدة أنه ذو قيمة كبيرة لمشغلي الطاقة، ومخططي الزراعة، وشبكات الخدمات اللوجستية، وغيرها من القطاعات حيث يمكن لاختلافات التوقيت الصغيرة أن تؤدي إلى تحول في الإنتاج أو التكلفة.
وأوضح الدين،
"فهو يساعدهم على اتخاذ قرارات أكثر دقة فيما يتعلق بالأمور التي تؤثر على أعمالهم."
ومن خلال توليد العديد من السيناريوهات المتماسكة بدلاً من نتيجة حتمية واحدة، يهدف النموذج إلى مساعدة المؤسسات على التخطيط للمخاطر بدلاً من الرد على المفاجآت.
بدلاً من مجرد تقديم احتمال، يعرض WeatherNext 2 مجموعة من النتائج الواقعية من الناحية الفيزيائية، مما يوفر رؤية أكثر وضوحًا لعدم اليقين أثناء الظروف المتقلبة.
انضمت شركة جوجل إلى مجال متنامٍ من المجموعات التي تعمل على التنبؤ المعتمد على الذكاء الاصطناعي، بما في ذلك ECMWF، وNvidia، وHuawei.
ولكن مع دمج WeatherNext 2 الآن في المنتجات المستخدمة على نطاق واسع، قد يصبح نموذج جوجل أحد الأمثلة الأكثر وضوحًا لكيفية إعادة تشكيل الذكاء الاصطناعي لمعلومات الطقس اليومية.
Huang Bo
Xu Lin
Beincrypto
dailyhodl
Bitcoinist