Google DeepMind نتایج بررسی شده منتشر کرده است که نشان می‌دهد مدل آب‌وهوای WeatherNext AI آن به دقت پیشرفته‌ای در پیش‌بینی طوفان‌های استوایی دست می‌یابد و به طور متوسط ​​یک روز کامل یا بیشتر زمان پیش‌بینی را نسبت به سیستم‌های پیش‌بینی عملیاتی پیش‌بینی می‌کند. این تحقیق در 6 آگوست 2026 در ژورنال Nature منتشر شد و گوگل در کنار انتشار این مدل ها را منبع باز می کند.

این پیشرفت در لحظه تشدید [پوشش صنعت هوش مصنوعی] (https://aibuzzwire.news)، جایی که هوش مصنوعی به طور فزاینده ای برای مشکلات علمی و ایمنی عمومی پرمخاطب استفاده می شود، می رسد. بر اساس ارقام ذکر شده در اطلاعیه DeepMind، طوفان های استوایی بیش از 700000 مرگ و 1.4 تریلیون دلار خسارت اقتصادی در 50 سال گذشته به بار آورده اند، که حتی دستاوردهای اندکی را در زمان پیش بینی نتیجه برای تخلیه و پاسخ به بلایا ایجاد کرده است.

یک روز زمان سرب فشرده در یک سیستم

نتیجه سرفصل زمان تحویل است. در طوفان‌های 2023 تا 2025، پیش‌بینی مسیر، شدت و ساختار باد WeatherNext نسبت به مدل‌های عملیاتی پیشرو به طور متوسط ​​یک روز یا بیشتر مزیت دارد. از نظر عملی، پیش‌بینی سه روزه آن با آنچه سیستم‌های قبلی در دو روز تحویل داده بودند مطابقت دارد. محققان این بهبود را با تقریباً یک دهه پیشرفت هواشناسی عملیاتی که در یک سیستم هوش مصنوعی منفرد فشرده شده است، توصیف می کنند.

در پیش‌بینی طوفان، جایی که دستور تخلیه، مرحله عرضه و اعلام اضطراری وابسته به ساعت است، این حاشیه معیاری است که بیشترین اهمیت را دارد. این مقاله WeatherNext Cyclones را معرفی می‌کند، یک مدل هوش مصنوعی که پیش‌بینی‌های مجموعه‌ای از مسیر، شدت و اندازه یک طوفان استوایی را تا 15 روز پیش‌بینی می‌کند.

چگونه مدل کار می کند

داده های آموزشی تجزیه و تحلیل جو جهانی را با پایگاه داده IBTrACS از نزدیک به 5000 طوفان تاریخی ترکیب کرد. این مدل از شبکه‌های مولد تابعی برای تولید توزیع‌های احتمال به جای پیش‌بینی‌های تک نقطه‌ای استفاده می‌کند و تا مجموعه‌های 1000 عضوی - بیست برابر اجرای 50 عضوی سیستم قبلی، مقیاس می‌شود. مجموعه‌های بزرگ‌تر، رویدادهای نادر اما پر پیامد مانند تشدید سریع، پدیده خطرناکی که در آن سرعت باد یک طوفان ناگهان افزایش می‌یابد، بهتر به تصویر می‌کشد.

یک یافته برای آنچه که به چالش می کشد متمایز است. وضوح فضایی بالا مدت‌هاست که قیمت پیش‌بینی‌های شدت دقیق در نظر گرفته می‌شود. WeatherNext Cyclones روی ورودی‌های 28 در 28 کیلومتری اجرا می‌شود که تقریباً 100 برابر درشت‌تر از مدل‌های سنتی منطقه‌ای است و یک نوع جمع‌وجور به نام WeatherNext 2-mini در 111 در 111 کیلومتر کار می‌کند و همچنان عملکرد خوبی دارد. این مقاله بیان می‌کند که وضوح بالا یک پیش‌نیاز دقیق برای پیش‌بینی شدت پیشرفته نیست، و محققان به عنوان یک سوال باز علامت‌گذاری می‌کنند که چگونه مدل سیگنال شدت را از داده‌های درشت‌تر استخراج می‌کند.

در طول فصل طوفان 2025 آزمایش شده است

ارزیابی صرفاً گذشته نگر نبود. در طول فصل طوفان اقیانوس اطلس 2025، این مدل در کنار گردش کار عملیاتی مرکز ملی طوفان اجرا شد و به پیش‌بینی‌کنندگان کمک کرد تا تشدید سریع طوفان ملیسا و سقوط آن به جامائیکا را از قبل به اندازه کافی برای پشتیبانی از یک هشدار اولیه پیش‌بینی کنند. گزارش راستی‌آزمایی 2025 NHC عملکرد پیش‌بینی فصل را مستند می‌کند. امسال این سیستم در حال تولید 1000 سناریوی ممکن در هر طوفان برای حمایت از تصمیم گیری پیش بینی کننده است.

این کار با همکاری دانشمندان Google DeepMind و Google Research و پیش‌بینی‌کنندگان عملیاتی در مرکز ملی طوفان، مؤسسه همکاری برای تحقیقات در جو (CIRA) و اداره هواشناسی بریتانیا، که تعدادی از آنها از نویسندگان مشترک مقاله طبیعت هستند، بود.

سه نوع منبع باز منتشر شد

نسخه منبع باز سه مدل مدل را پوشش می دهد:

  • WeatherNext Cyclones - نسخه ای که در طول فصل طوفان 2025 اجرا شد و نتایج آن در روزنامه ظاهر شد
  • WeatherNext 2 - به روز رسانی بعدی که گوگل در اکتبر 2025 عملیاتی کرد
  • WeatherNext 2-mini - نسخه فشرده ای که روی یک TPU در یک نوت بوک رایگان Google Colab اجرا می شود

کد و وزن برای هر سه در GitHub موجود است. یک پیش‌بینی 15 روزه در یک TPU کمتر از یک دقیقه طول می‌کشد، به این معنی که محدودیت در پذیرش اکنون تخصص و یکپارچگی است، نه محاسبه.

همچنین پیش‌بینی‌ها در آزمایشگاه هواشناسی قابل بررسی هستند، که Google آن را از ردیابی طوفان به پیش‌بینی‌های جهانی کامل شامل دما، بارندگی و سرعت باد گسترش داده است. هر دو مدل و Weather Lab در هوش مصنوعی Google Earth قرار دارند، تلاش چتر این شرکت برای استفاده از یادگیری ماشینی در چالش‌های آب و هوایی و مکانی.

چرا مهم است

نتیجه روند گسترده‌تری را تقویت می‌کند: مدل‌های هواشناسی مبتنی بر هوش مصنوعی سریع‌تر از آنچه بسیاری از هواشناسان انتظار داشتند از نمایش‌های تحقیقاتی به ابزارهای عملیاتی حرکت می‌کنند. با منبع باز وزن‌ها و انتشار در یک مجله سطح بالا، Google WeatherNext را به عنوان یک سیستم مرجع قرار می‌دهد که آژانس‌های ملی هواشناسی و محققان در سراسر جهان می‌توانند بر اساس آن کار کنند.

برای جوامع در مناطق مستعد طوفان، یک روز هشدار اضافی می تواند تفاوت بین تخلیه منظم و هرج و مرج باشد. همانطور که مدل‌های آب و هوای هوش مصنوعی به رشد خود ادامه می‌دهند، سوال رقابتی تنها از دقت به سمت اینکه چه کسی می‌تواند سریع‌ترین پیش‌بینی‌ها را به عمل تبدیل کند تغییر می‌کند.

از هوش مصنوعی جلوتر بمانید

برای اطلاعات بیشتر در مورد اینکه چگونه هوش مصنوعی علم، زیرساخت و زندگی روزمره را متحول می کند، پوشش [اخبار فوری هوش مصنوعی] (https://aibuzzwire.news) ما را دنبال کنید. ما تحقیقات، شرکت‌ها و سیاست‌های شکل‌دهنده این حوزه را در زمان واقعی دنبال می‌کنیم.

اخبار هوش مصنوعی را بیشتر بخوانید →