كتب – رامز يوسف:
يستطيع نموذج ذكاء اصطناعي جديد التنبؤ بالظواهر الجوية الكبرى بشكل أسرع وأكثر دقة من بعض أنظمة التنبؤ الأكثر استخدامًا في العالم.
يعتمد النموذج، المسمى “أورورا”، على أكثر من مليون ساعة من بيانات الغلاف الجوي العالمية، بما في ذلك قراءات محطات الأرصاد الجوية وصور الأقمار الصناعية وقياسات الرادار. ويقول علماء مايكروسوفت إنه على الأرجح أكبر مجموعة بيانات استُخدمت على الإطلاق لتدريب نموذج ذكاء اصطناعي للطقس.
توقع “أورورا” بشكل صحيح أن إعصار دوكسوري سيضرب شمال الفلبين قبل 4 أيام من وصوله إلى اليابسة في يوليو 2023. في ذلك الوقت، كانت التوقعات الرسمية تشير إلى أن وصول العاصفة إلى اليابسة سيكون فوق تايوان – على بُعد مئات الكيلومترات.
كما تفوق على أدوات التنبؤ القياسية التي تستخدمها الوكالات، بما في ذلك المركز الوطني الأمريكي للأعاصير والمركز المشترك للتحذير من الأعاصير. قدّم أورورا مسارات عواصف أكثر دقةً على مدار 5 أيام، وأنتج تنبؤات عالية الدقة وأسرع بنحو 5000 مرة من نماذج الطقس التقليدية التي تعمل بالحواسيب العملاقة.
وعلى نطاق أوسع، تفوق أورورا على الأنظمة الحالية في التنبؤ بالأحوال الجوية على مدار 14 يومًا في 91% من الحالات، وفقًا للعلماء الذين نشروا نتائجهم في مجلة نيتشر.
التنبؤات المستقبلية
يأمل الباحثون أن يدعم أورورا والنماذج المشابهة له نهجًا جديدًا للتنبؤ بالظروف البيئية يُسمى تنبؤات نظام الأرض، حيث يُحاكي نموذج ذكاء اصطناعي واحد الطقس وجودة الهواء وأحوال المحيطات معًا. يمكن أن يُساعد هذا في إنتاج تنبؤات أسرع وأكثر اتساقًا، خاصةً في الأماكن التي تفتقر إلى الوصول إلى الحوسبة المتطورة أو البنية التحتية الشاملة للرصد.
ينتمي أورورا إلى فئة من أنظمة الذكاء الاصطناعي واسعة النطاق تُعرف باسم نماذج الأساس – وهي نفس فئة نماذج الذكاء الاصطناعي التي تُشغّل أدوات مثل ChatGPT.
يمكن تكييف نماذج الأساس لمهام مختلفة لأنها مصممة لتعلم الأنماط والعلاقات العامة من كميات كبيرة من بيانات التدريب، بدلاً من بنائها لمهمة واحدة ثابتة. في حالة أورورا، يتعلم النموذج توليد توقعات جوية في ثوانٍ معدودة من خلال تحليل أنماط الطقس من مصادر مثل الأقمار الصناعية والرادارات ومحطات الأرصاد الجوية، بالإضافة إلى التنبؤات المحاكاة، وفقًا للباحثين.
يمكن بعد ذلك ضبط النموذج بدقة ليتناسب مع مجموعة واسعة من السيناريوهات ببيانات إضافية قليلة نسبيًا – على عكس نماذج التنبؤ التقليدية، التي تُصمم عادةً لأغراض محددة ومحددة المهام، وغالبًا ما تحتاج إلى إعادة تدريب للتكيف.
وأوضح الباحثون أن مجموعة البيانات المتنوعة التي يُدرّب عليها أورورا لا تُؤدي فقط إلى دقة أكبر بشكل عام مقارنةً بالطرق التقليدية، بل تعني أيضًا أن النموذج أفضل في التنبؤ بالأحداث المتطرفة.
المصدر: Live Science
اقرأ أيضا:
