"فايننشيال تايمز": "جوجل" تطوّر نموذجاً يسخّر الذكاء الاصطناعي لتتبع المناخ

ساعد الذكاء الاصطناعي في تحقيق تقدم كبير في التنبؤات الدقيقة بالطقس والمناخ على المدى الطويل، وفقا لبحث يعد بإحراز تقدم في كل من التنبؤ والاستخدام الأوسع للتعلم الآلي.

ووفقا لصحيفة "فايننشيال تايمز"، باستخدام مزيج من التعلم الآلي وأدوات التنبؤ الحالية، نجح نموذج تقوده جوجل يسمى NeuralGCM في تسخير الذكاء الاصطناعي لنماذج فيزياء الغلاف الجوي التقليدية لتتبع الاتجاهات المناخية المستمرة منذ عقود والأحداث الجوية المتطرفة مثل الأعاصير، حسب ما اكتشف فريق من العلماء.

ويقترح الباحثون أن هذا المزيج من التعلم الآلي مع التقنيات الراسخة يمكن أن يوفر نموذجًا لتحسين استخدام الذكاء الاصطناعي في مجالات أخرى بدءًا من اكتشاف المواد وحتى التصميم الهندسي.

وقالوا إن NeuralGCM كان أسرع بكثير من التنبؤ التقليدي بالطقس والمناخ وأفضل من نماذج الذكاء الاصطناعي فقط في التنبؤات طويلة المدى.

وقال ستيفان هوير، كبير المهندسين في شركة "جوجل ريسيرش" والمؤلف المشارك لورقة بحثية عن العمل المنشور: "يُظهر NeuralGCM أنه عندما نجمع بين الذكاء الاصطناعي والنماذج القائمة على الفيزياء، يمكننا تحسين دقة وسرعة عمليات محاكاة المناخ الجوي في الطبيعة بشكل كبير".

وقالت الورقة إن NeuralGCM أثبت أنه أسرع وأكثر دقة، ويستخدم قوة حاسوبية أقل في الاختبارات ضد نموذج التنبؤ الحالي القائم على أدوات فيزياء الغلاف الجوي المسماة X-SHIELD، والتي يتم تطويرها من قبل ذراع الإدارة الوطنية الأمريكية للمحيطات والغلاف الجوي.

في إحدى التجارب، تمكنت NeuralGCM من تحديد العدد نفسه تقريبًا من الأعاصير المدارية الذي حددته أجهزة تتبع الطقس المتطرف التقليدية، وضعف عدد X-SHIELD، وفي اختبار آخر يعتمد على مستويات درجة الحرارة والرطوبة خلال عام 2020، كان معدل الخطأ أقل بنسبة تتراوح بين 15 و50%.

وتقول الورقة البحثية إن حسابات NeuralGCM تمكنت من توليد 70 ألف يوم محاكاة خلال 24 ساعة باستخدام إحدى وحدات معالجة موتر الذكاء الاصطناعي المخصصة من Google.

على النقيض من ذلك، بالنسبة للحسابات المماثلة، أنتج X-SHIELD 19 يومًا فقط من المحاكاة، واحتاج إلى 13824 وحدة كمبيوتر للقيام بذلك.

تعاونت "جوجل" في تطوير NeuralGCM مع المركز الأوروبي الحكومي الدولي للتنبؤات الجوية متوسطة المدى (ECMWF).

وقد جعلت المجموعة الأوروبية نموذجها متاحًا للعامة في يونيو، كما قامت جوجل بتوفير كود الوصول المفتوح لـNeuralGCM.. ويستخدم 80 عامًا من بيانات المراقبة وإعادة التحليل الخاصة بـ ECMWF للتعلم الآلي.

يذكر أنه، لدى وكالات التنبؤ القائمة مثل مكتب الأرصاد الجوية في المملكة المتحدة أيضًا مشاريع لدمج التعلم الآلي في عملها.

وقال سيدريك إم جون، وهو خبير غير مشارك في العمل، رئيس قسم علوم البيانات للبيئة والاستدامة في جامعة كوين ماري في لندن، إن هناك "أدلة دامغة" على أن NeuralGCM كان أكثر دقة من التعلم الآلي وحده وأسرع من “نموذج الفيزياء الكاملة”، واقترح أنه بينما لا يزال هناك "مجال للتحسين"، فإن احتمال الخطأ يجب أن يكون قابلاً للقياس ويجب أن تكون التحديثات ممكنة.

وأضاف: "الأهم من ذلك، أن هذا النموذج الهجين يؤدي أداءً جيدًا في التقاط مجموعة من التنبؤات، والأثر العملي لذلك هو أنه يمكن استخلاص تقدير لعدم اليقين في التنبؤ".

وتشارك "جوجل" في عدد متزايد من مبادرات المراقبة البيئية، وهي توفر الدعم التكنولوجي لمهمة قمر صناعي لتتبع انبعاثات غاز الميثان التي تؤدي إلى ارتفاع درجة حرارة الكوكب وشركائها وكالة الفضاء الأمريكية ناسا لمساعدة الحكومات المحلية على مراقبة جودة الهواء.