أصدرت شركة Google Research وGoogle DeepMind برنامج WeatherNext 3، وهو أحدث إصدار من نظام التنبؤ بالطقس الذي يعمل بالذكاء الاصطناعي الخاص بالشركة، ويُعد، وفقًا لحساب Google، نموذج التنبؤ العالمي الأكثر دقة حتى الآن. تم الإعلان عن النظام في 3 سبتمبر، وسيبدأ في تغذية معلومات الطقس في البحث وخرائط جوجل وGemini، وهو متاح للشركات والباحثين من خلال منصات جوجل السحابية.

على عكس أجهزة الكمبيوتر العملاقة الحكومية التي أنتجت معظم توقعات العالم لعقود من الزمن، يعد WeatherNext 3 نموذجًا للتعلم العميق: فهو يتعلم الأنماط مباشرة من الملاحظات بدلاً من حل معادلات فيزياء الغلاف الجوي خطوة بخطوة. وتقول جوجل أيضًا إنها أول نموذج للذكاء الاصطناعي يدمج عمليات رصد الأقمار الصناعية الأولية مباشرة في توقعات عالمية عالية الدقة - وهو ادعاء يعارضه أحد المنافسين على الأقل. إليكم ما تغير، ولماذا يراقب المتنبئون خارج Google أحدث تطورات الذكاء الاصطناعي في هذا المجال عن كثب.

كيف حطم الذكاء الاصطناعي قالب التنبؤ بالطقس

وتأتي التنبؤات التقليدية من وكالات وطنية مثل هيئة الأرصاد الجوية الوطنية الأمريكية والمركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF)، التي تقوم أجهزة الكمبيوتر العملاقة الخاصة بها بتحليل المعادلات الرياضية التي تصف فيزياء الغلاف الجوي. هذه الأنظمة دقيقة بشكل ملحوظ ولكنها مكلفة وبطيئة نسبيا.

انطلق بديل التعلم العميق بعد أن أصدر ECMWF أكثر من نصف قرن من بيانات الطقس المؤرشفة في عام 2018، مما أعطى الباحثين نوع التدريب الذي تزدهر عليه الشبكات العصبية. قال فيران أليت، مدير أبحاث فريق العمل في DeepMind، لـ TechCrunch: "الطقس فوضوي، وبالتالي فإن الاختلافات الصغيرة تبدأ في الاضطراب بشكل كبير". "يستهدف التعلم الآلي المشكلة التي نحلها بالفعل، وهي الفيزياء التقريبية الناتجة عن المعلومات غير الكاملة والحسابات المحدودة، وبالتالي فهو يتعلم الأنماط من الكثير من البيانات."

أكثر وضوحًا وأسرع وأكثر تكرارًا

يعد WeatherNext 3 نموذجًا أكبر من سابقه — 2.4 مرة أكثر من المعلمات — ويتفوق الآن على WeatherBench التشغيلي الخاص بـ Brightband، وهو معيار مستقل يقارن أنظمة التنبؤ بالذكاء الاصطناعي فيما يتعلق بدرجة الحرارة وسرعة الرياح والرطوبة. وفقًا لـ TechCrunch، فهو يتفوق في الأداء على نماذج التعلم العميق المنافسة من Google وMicrosoft وNvidia وECMWF، ويتفوق على التوقعات الرقمية التقليدية التي تنتجها خدمة الطقس الوطنية الأمريكية وECMWF أنفسهم.

المكاسب العملية كبيرة:

  • الدقة تصل إلى 5 كم للمتغيرات الرئيسية، حيث تتنبأ معظم نماذج الذكاء الاصطناعي عبر مناطق تتراوح من 15 إلى 25 كم. تشير وحدة فك التشفير إلى أن النموذج أكثر تفصيلاً بخمس مرات من WeatherNext 2.
  • تحسنت توقعات هطول الأمطار بنسبة 60 بالمائة مقارنة بـ WeatherNext 2 وفقًا لتقييمات Google، ويستشهد موقع 9to5Google بتنبؤات أكثر دقة لهطول الأمطار بنسبة 50 بالمائة لمنتجات Google الخاصة.
  • التنبؤات كل ساعة بدلاً من الإيقاع القياسي الذي يبلغ ست ساعات، لأن النموذج يمكنه استيعاب ملاحظات الأقمار الصناعية المجمعة في الوقت الفعلي كل ساعة.
  • الاستهداف على مستوى المحطة، مما يعني أن النموذج يتنبأ بما ستقيسه محطات الأرصاد الجوية المحددة - وليس فقط مربعات الشبكة.

وقال دانييل روتنبرغ، عالم الغلاف الجوي في Brightband، لـ TechCrunch: "الفكرة، مع الكثير من تطبيقات الذكاء الاصطناعي، هي محاولة تشغيل المهام من البداية إلى النهاية قدر الإمكان". "إن إضافة القدرة حيث يتنبأ هذا النموذج الآن أيضًا، على سبيل المثال، بما ستقيسه محطة الأرصاد الجوية في مطار دنفر على أساس كل ساعة، يؤدي فقط إلى ربط مهمة التنبؤ هذه بشكل أقرب إلى جوهرها."

النزاع حول بيانات الأقمار الصناعية الخام

تعتمد مطالبة Google بالأولى على نقل البيانات بقدر ما تعتمد على بنية النموذج. لا يزال معظم المتنبئين في مجال الذكاء الاصطناعي يتدربون ويبدأون في استخدام مجموعات بيانات التحليل المنسقة التي تنتجها وكالات الأرصاد الجوية الحكومية. يستوعب برنامج WeatherNext 3 ملاحظات الأقمار الصناعية الأولية بشكل مباشر، كل ساعة، وهو أقرب، كما تقول جوجل، إلى استيعاب البيانات الحقيقية.

وترد شركة WindBorne الناشئة في مجال الطقس والتي تعتمد على الذكاء الاصطناعي بأن نموذج WeatherMesh 6 الخاص بها كان يدمج ملاحظات أولية من أسطول مناطيد الطقس الخاص بها ومصادر أخرى منذ أواخر عام 2025. وعندما سُئلت جوجل عن النزاع، أشارت إلى الحل العالمي لتوقعاتها. تلاحظ TechCrunch أن كلا الشركتين لا تزالان تعتمدان على مجموعات البيانات الوطنية لأجزاء من خط الأنابيب، لذا فإن الاستيعاب المباشر الكامل يظل عملاً مستمرًا في المجال بأكمله.

حيث سيراه المستخدمون

وقال سمير ميرشانت، أحد كبار المهندسين في جوجل، لـ TechCrunch: "ستكون هذه هي المرة الأولى التي تعمل فيها بعض المتغيرات الأساسية على تغذية وتشغيل الكثير من منتجات Google". ستعتمد معلومات الطقس في البحث وخرائط Google وGemini على مخرجات WeatherNext 3، مما يضع التنبؤات التي يولدها الذكاء الاصطناعي أمام مليارات المستخدمين - الذين لن يعرف الكثير منهم أبدًا النموذج الذي يقف وراءها.

لماذا يهم خارج نطاق التطبيق

الاقتصاد هو القصة الأكبر. إن تنبؤات الذكاء الاصطناعي سريعة ورخيصة الإنتاج مقارنة بمجموعات الحواسيب العملاقة، مما يجعل التنبؤات القابلة للاستخدام في متناول المناطق التي لم تكن قادرة على تحمل تكاليفها من قبل. تشير تقارير The Decoder إلى أن أجزاء من أفريقيا وأمريكا اللاتينية ومنطقة آسيا والمحيط الهادئ التي تفتقر إلى توقعات دقيقة من شأنها أن تشهد أكبر المكاسب. وقد استشهد بيل جيتس بالتنبؤ بالطقس باستخدام الذكاء الاصطناعي باعتباره فائدة إنمائية ملموسة، حيث تؤدي التوقعات الأفضل إلى تحسين غلات المحاصيل في البلدان النامية، ويشير أليت إلى أن التنبؤات عالية الدقة للرياح والأمطار والسحب يمكن أن تجعل مشاريع الطاقة المتجددة أكثر موثوقية.

وتعمل وكالات الأرصاد الجوية في أوروبا والولايات المتحدة بالفعل على دمج نماذج الذكاء الاصطناعي في منتجاتها التشغيلية. مع WeatherNext 3، أصبحت ثورة المحولات التي أعادت تشكيل اللغة بهدوء هي المحرك للطقس اليومي.

ابق في صدارة الذكاء الاصطناعي

تتحرك أبحاث الذكاء الاصطناعي بسرعة. احصل على أحدث تطورات الذكاء الاصطناعي في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →