أطلقت Google DeepMind وGoogle Research برنامج WeatherNext 3 يوم الخميس، واصفين إياه بأنه نموذج الذكاء الاصطناعي العالمي الأكثر تقدمًا ودقة للطقس الذي بنته الشركة على الإطلاق. وينتج النظام الجديد توقعات جديدة كل ساعة بدلاً من كل ست ساعات، ويحل المتغيرات السطحية الرئيسية مثل درجة الحرارة والرطوبة في شبكة يبلغ طولها 5 كيلومترات - وهي صورة تقول جوجل إنها أكثر وضوحًا بخمس مرات تقريبًا من سابقتها، WeatherNext 2.

وخلافًا لمعظم النماذج التي تم إطلاقها، فقد تم دمج هذا النموذج بالفعل في المنتجات التي يستخدمها المليارات. وفقًا لجوجل، يعمل تطبيق WeatherNext 3 الآن على تشغيل نتائج الطقس عبر البحث وGemini والخرائط ومنصة خرائط Google وGoogle Cloud. بالنسبة لمتابعي أحدث أخبار وأبحاث الذكاء الاصطناعي، أصبح التنبؤ بالطقس بهدوء أحد أكثر مجالات التعلم الآلي نجاحًا تجاريًا - وهو مجال لم تعد فيه أنظمة الذكاء الاصطناعي عروضًا بحثية تجريبية، ولكنها المحرك الافتراضي وراء الإجابات اليومية.

قفزة خمسة أضعاف في الدقة

غالبًا ما تكمن فائدة التنبؤ في التفاصيل: مدى دقة النموذج في حل كل من المكان والزمان. يقوم WeatherNext 3 بإنشاء تنبؤات كل ساعة بدقة مكانية متعددة. تظهر درجة حرارة السطح والرطوبة عند 5 كيلومترات، والمتغيرات السطحية الأخرى عند 10 كيلومترات، والمتغيرات الجوية مثل سرعة الرياح عند 25 كيلومترًا.

وبالمقارنة، أنتج موقع WeatherNext 2 توقعات على شبكة طولها 25 كيلومترًا بزيادات كل 6 ساعات. في مقارنة نُشرت جنبًا إلى جنب مع الإعلان، حلت توقعات النموذج الجديد لدرجة الحرارة على ارتفاع مترين فوق المملكة المتحدة التضاريس المحلية المعقدة، متجنبة التمثيلات الحرارية المنقطة والمفرطة السلاسة التي أنتجتها الشبكة القديمة.

التعلم من الأقمار الصناعية الحية، وليس من عمليات المحاكاة فقط

التغيير الأعمق هو ما يتعلمه النموذج. يتم تدريب معظم نماذج الطقس المعتمدة على الذكاء الاصطناعي، بما في ذلك WeatherNext 2، على مخرجات التنبؤ العددي بالطقس (NWP)، وهي عمليات المحاكاة الفيزيائية التي تعتمد على الكمبيوتر العملاق والتي ساهمت في إرساء الأرصاد الجوية التشغيلية لعقود من الزمن. تحمل عمليات المحاكاة هذه تأخرًا في البيانات مدته ست ساعات، مما يؤدي إلى تحيز في متغيرات سريعة التغير مثل المطر ودرجة حرارة السطح.

يأخذ WeatherNext 3 طريقًا مختلفًا. فهو يستوعب فسيفساء حية من صور الأقمار الصناعية العالمية المستقرة بالنسبة إلى الأرض والتي يتم تحديثها كل ساعة، جنبًا إلى جنب مع التحليل التاريخي التقليدي، ويغذي كليهما في شبكة توليد وظيفية واحدة (FGN) - وهي بنية محولات شبكية تنتج حقولًا شبكية كثيفة ومسارات أعاصير منفصلة وتنبؤات على مستوى المحطة محليًا. نظرًا لأن كل توقعات كل ساعة ترتكز على أحدث عمليات رصد الأقمار الصناعية، تقول جوجل إن النموذج يمكنه تتبع الطقس سريع التغير بدقة أكبر بكثير، مع بعض أكبر المكاسب في هطول الأمطار - التنبؤات بهطول الأمطار والثلوج التي يخطط الناس لأيامهم فعليًا.

من خلايا الشبكة إلى مسارات الأعاصير

تتنوع مخرجات FGN بشكل ملحوظ بالنسبة لنموذج واحد. وبعيدًا عن الحقول الشبكية، فهو يصدر مسارات أعاصير منفصلة وإحداثيات متفرقة على مستوى المحطة كتنبؤات من الدرجة الأولى بدلاً من إضافات ما بعد المعالجة. وهذا أمر مهم بالنسبة للمتنبئين الذين يراقبون الأعاصير والأعاصير، حيث تترجم أخطاء المسار مباشرة إلى قرارات الإخلاء. لقد لفت الجيل السابق من WeatherNext من Google الانتباه في شهر أغسطس لإحراز تقدم كبير في مجال التنبؤ بالأعاصير المدارية، كما تعمل البنية الجديدة على توسيع نطاق هذا العمل.

حيث ستظهر التوقعات

تقوم Google بطرح WeatherNext 3 عبر البحث، وGemini، والخرائط، ومنصة خرائط Google، والسحابة. وسلطت الشركة الضوء أيضًا على إضافتين تستهدفان المستخدمين المحترفين: التنبؤ الدقيق لهطول الأمطار ومتغيرات الطاقة النظيفة الجديدة، وهي مخرجات مصممة لقطاع الطاقة المتجددة حيث يخطط مشغلو طاقة الرياح والطاقة الشمسية حول التحولات الجوية كل ساعة.

يمكن للشركات دمج التوقعات من خلال Google Cloud، الأمر الذي يجعل WeatherNext 3 ليس مجرد ميزة استهلاكية فحسب، بل كمنتج بيانات - منتج يمكن للشركات الزراعية وشركات الخدمات اللوجستية ومشغلي الشبكات البناء عليه بشكل مباشر.

كيف تم قياس المطالبة بالدقة

إن ادعاء جوجل بأن WeatherNext 3 هو نموذج الطقس العالمي الأكثر دقة حتى الآن لا يعتمد فقط على الاختبارات الداخلية ولكن على التقييمات الحية المستقلة التي أجرتها شركة Brightband، وهي شركة ذكاء اصطناعي للطقس تدير معايير مستمرة لأنظمة التنبؤ. أصبحت دعوة التقييم من طرف ثالث نموذجًا لنماذج Google العلمية، وهو يعالج انتقادات طويلة الأمد مفادها أن تقارير الطقس التي تعتمد على الذكاء الاصطناعي تشير إلى النتائج بناءً على مجموعات تاريخية منسقة بدلاً من الظروف الحية.

سبب أهمية هذا الأمر خارج نطاق التطبيق المظلي

يضع إعلان جوجل الطقس كمدخل في القرارات على جميع المستويات - بدءًا من الاستيلاء على المظلة وحتى إدارة موجات الحر والجفاف التي تنتشر عبر الزراعة وسلاسل التوريد العالمية وإنتاج الطاقة النظيفة والاقتصادات الوطنية. في السنوات الأخيرة، حصل المتنبئون في مجال الذكاء الاصطناعي على مكانهم في هذا المسار من خلال توليد تنبؤات بشكل أسرع من الطرق التقليدية مع مطابقة دقتها أو التغلب عليها، وفقًا لجوجل.

المشهد التنافسي يزداد سخونة أيضًا. وقد قامت وكالات الأرصاد الجوية وشركات التكنولوجيا على حد سواء بشحن أنظمة تنبؤ تعتمد على الذكاء الاصطناعي في السنوات الأخيرة، كما أن التنبؤات الأرضية التي تبثها الأقمار الصناعية كل ساعة ترفع مستوى هذه الأنظمة جميعها. والسؤال المطروح في العام المقبل هو ما إذا كانت خدمات الأرصاد الجوية الوطنية ستبدأ في التعامل مع نماذج مثل WeatherNext 3 كمصادر أولية بدلاً من المكملات التجريبية - وما إذا كان إيقاع Google بالساعة يصبح خط الأساس الجديد لهذه الصناعة.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →