كشفت شركة جوجل مؤخراً عن نموذج ذكاء اصطناعي جديد يدعى GraphCast، من شأنه أن يحدث طفرة نوعية في مجال التنبؤات الجوية، إذ تبين أنه يتفوق بشكل كبير على الأنظمة التقليدية المستخدمة حالياً من قبل خبراء الأرصاد الجوية.
يعتمد نموذج GraphCast على تقنيات التعلم الآلي والذكاء الاصطناعي بدلاً من الاعتماد على المحاكاة الرياضية والفيزيائية للأحوال الجوية كما هو الحال في النماذج التقليدية وهذا ما يجعله أسرع وأكثر كفاءة.
فبدلاً من محاولة محاكاة تحركات الجزيئات في الغلاف الجوي، يعتمد النموذج على البيانات التاريخية للتنبؤ بالحالة المستقبلية للطقس.
كما أنه لا يحتاج إلى قدرات حاسوبية ضخمة مثل النماذج العددية التقليدية.
نتيجة المقارنة
وفي اختبار مقارنة أجراه الفريق المطور للنموذج، تبين أن GraphCast أدق بنسبة 90% من النموذج المستخدم حالياً في التنبؤات على المدى المتوسط.
كما أنه نجح بشكل ملحوظ في التنبؤ بالأحوال الجوية القاسية مثل الأعاصير، على الرغم من عدم تدريبه خصيصاً على هذه الحالات.
وفي إحدى الحالات الواقعية، تمكن النموذج من التنبؤ بوصول إعصار إلى سواحل الولايات المتحدة قبل 10 أيام، في حين تأخرت النماذج التقليدية في تحديد ذلك.
نقطة تحول في التنبؤات الجوية
يُنظر إلى نموذج GraphCast على أنه نقطة تحول رئيسية في مجال التنبؤات الجوية، وقد تستفيد منه خدمات الطقس المختلفة لتحسين دقة توقعاتها، كما قد تدمجه جوجل في منتجاتها وخدماتها المستقبلية.
يبدو أن عصر الاعتماد الكامل على الخبراء البشريين في التنبؤ بتقلبات الطقس آخذ في الزوال، إذ أثبت الذكاء الاصطناعي قدرته على تحقيق نتائج أفضل باستخدام البيانات والخوارزميات المتطورة.
يرى الخبراء أن نموذج GraphCast لن يحل محل النماذج والأساليب التقليدية تمامًا، وإنما سيكون مكملاً لها ويساعد في تحسين دقة التنبؤات.
فالنماذج العددية ما زالت ضرورية لفهم العمليات الفيزيائية المعقدة التي تحكم حركة الكتل الهوائية وتكون الأحوال الجوية.
لكن إضافة نماذج الذكاء الاصطناعي إلى الصورة يمكن أن يساعد في التغلب على بعض المشاكل ونقاط الضعف في النماذج التقليدية، وتحسين الدقة، خاصة على المدى القصير والمتوسط.
كما يمكن للذكاء الاصطناعي معالجة كميات هائلة من البيانات التاريخية واكتشاف أنماط معقدة قد تفوت العقل البشري، ما يفتح المجال أمام تطوير نماذج مختلطة تجمع بين أفضل ما في العالمين.
