[ad_1]
افتح ملخص المحرر مجانًا
رولا خلف، محررة الفايننشال تايمز، تختار قصصها المفضلة في هذه النشرة الأسبوعية.
لقد تفوق الذكاء الاصطناعي لأول مرة بشكل مقنع على أساليب التنبؤ التقليدية في التنبؤ بالطقس في جميع أنحاء العالم لمدة تصل إلى 10 أيام في المستقبل.
قال مطوروه في Google DeepMind في ورقة بحثية تمت مراجعتها من قبل النظراء نُشرت في مجلة Science يوم الثلاثاء، إن نموذج GraphCast AI “يمثل نقطة تحول في التنبؤ بالطقس”.
وأظهر تقييم شامل أن GraphCast كان أكثر دقة من النظام التقليدي الرائد في العالم للتنبؤات قبل ثلاثة إلى 10 أيام، والذي يديره المركز الأوروبي للتنبؤات الجوية متوسطة المدى.
وقد تفوق في الأداء على منتج ECMWF في 90 في المائة من المقاييس الـ 1380 المستخدمة، والتي شملت درجة الحرارة والضغط وسرعة الرياح واتجاهها والرطوبة في مستويات مختلفة من الغلاف الجوي.
وقال ماثيو شانتري، منسق التعلم الآلي في ECMWF، إن أنظمة الذكاء الاصطناعي في الأرصاد الجوية حققت تقدمًا “بشكل أسرع بكثير وبشكل مثير للإعجاب مما كنا نتوقعه حتى قبل عامين”.
تقوم ECMWF، وهي هيئة حكومية دولية مقرها في ريدينغ بالمملكة المتحدة، بتشغيل تنبؤات حية بواسطة نماذج الذكاء الاصطناعي من هواوي ونفيديا بالإضافة إلى DeepMind إلى جانب نظام التنبؤ المتكامل الخاص بها.
أيد شانتري ادعاء DeepMind بأن نظامها هو الأكثر دقة. وقال لصحيفة فايننشال تايمز: “نجد أن GraphCast أكثر مهارة باستمرار من نماذج التعلم الآلي الأخرى، مثل Pangu-Weather من هواوي وFourCastNet من Nvidia، وفي كثير من النواحي، فهو أكثر دقة من نظام التنبؤ الخاص بنا”.
يستخدم GraphCast بنية للتعلم الآلي تسمى الشبكة العصبية البيانية، والتي تعلمت من أكثر من 40 عامًا من بيانات ECMWF السابقة حول كيفية تطور أنظمة الطقس وتحركها في جميع أنحاء العالم.
المدخلات الخاصة بتنبؤاته هي حالة الغلاف الجوي في جميع أنحاء العالم في الوقت الحالي وقبل ست ساعات، والتي تم تجميعها بواسطة ECMWF من عمليات رصد الطقس العالمية. يُنتج GraphCast توقعات لمدة 10 أيام خلال دقيقة واحدة على جهاز كمبيوتر سحابي واحد من Google TPU v4.
وعلى النقيض من نهج “الصندوق الأسود” المشتق من البيانات، فإن الطريقة التقليدية التي يستخدمها ECMWF ومكاتب الأرصاد الجوية الوطنية في العالم، والمعروفة بالتنبؤ العددي بالطقس، تستخدم أجهزة كمبيوتر عملاقة لمعالجة المعادلات القائمة على المعرفة العلمية بفيزياء الغلاف الجوي – وهي عملية كثيفة الاستهلاك للطاقة يستغرق عدة ساعات.
قال شانتري: “بمجرد تدريب GraphCast، يصبح تشغيله رخيصًا للغاية”. ربما نتحدث عن أرخص بألف مرة من حيث استهلاك الطاقة. وهذا تحسن معجزة.”
وكمثال على التنبؤ الناجح، ذكر علماء ديب مايند إعصار لي في شمال المحيط الأطلسي في سبتمبر. قال ريمي لام، المؤلف الرئيسي للورقة العلمية: “كان GraphCast قادرًا على التنبؤ بشكل صحيح بأن لي سيصل إلى اليابسة في نوفا سكوتيا قبل تسعة أيام من حدوثه، مقارنة بستة أيام فقط في الطرق التقليدية”. “وهذا أعطى الناس ثلاثة أيام أخرى للاستعداد لوصولها.”
ومع ذلك، لم يكن أداء الذكاء الاصطناعي أفضل من أداء النماذج الفيزيائية التقليدية في التنبؤ بالكثافة الانفجارية المفاجئة لإعصار أوتيس قبالة ساحل المحيط الهادئ في المكسيك، والذي دمر أكابولكو دون سابق إنذار في الخامس والعشرين من أكتوبر.
وقال شانتري إن الخطوة التالية لـ ECMWF ستكون بناء نموذج الذكاء الاصطناعي الخاص به والنظر في دمج ذلك مع نظام التنبؤ العددي بالطقس. “هناك مجال لحقن فهمنا للفيزياء في أنظمة التعلم الآلي هذه، والتي يمكن أن تبدو وكأنها صناديق سوداء.”
أعلن مكتب الأرصاد الجوية في المملكة المتحدة، خدمة الطقس الوطنية، الشهر الماضي عن تعاون مع معهد آلان تورينج، المركز البريطاني لأبحاث الذكاء الاصطناعي، لتطوير شبكته العصبية الرسومية للتنبؤ بالطقس، والتي سيتم دمجها في البنية التحتية الحالية للكمبيوتر العملاق.
وأشار سايمون فوسبر، المدير العلمي لمكتب الأرصاد الجوية، إلى ضرورة مراعاة تغير المناخ في التنبؤات. وقال: “من العدل التساؤل عما إذا كانت الأنظمة القائمة على الذكاء الاصطناعي قادرة على التقاط الظروف المتطرفة الجديدة إذا تم “تدريب” هذه الأنظمة فقط على الظروف الجوية السابقة”.
وأضاف فوسبر: “نحن نهدف إلى الاستفادة من أفضل ما يمكن أن يقدمه الذكاء الاصطناعي أثناء العمل مع نماذج الكمبيوتر التقليدية لدينا القائمة على فيزياء الغلاف الجوي”. “نحن نعتقد أن هذا المزج بين التقنيات سيوفر تنبؤات الطقس الأكثر قوة وتفصيلاً في عصر التغيير الجذري.”
[ad_2]
المصدر