پیش‌بینی آب‌وهوا در افق‌های کوتاه به‌طور قابل‌توجهی قابل اعتماد شده است: مدل‌های امروزی تا حدود دو هفته بسیار دقیق هستند و پیش‌بینی‌های آب‌وهوای دوربرد نیز به‌طور پیوسته در حال بهبود هستند. با این حال، بین این دو مقیاس زمانی، نقطه کور سرسختی قرار دارد. پیش‌بینی‌ها در پنجره دو تا شش هفته‌ای - که به عنوان پیش‌بینی زیر فصلی شناخته می‌شوند - غیرقابل اعتماد باقی می‌مانند، اگرچه این دقیقاً محدوده‌ای است که برای تصمیم‌گیری در مورد زمان کاشت محصولات، نحوه تخصیص آب و انرژی و نحوه آماده شدن برای آتش‌سوزی مهم است.
تحقیقات مایکروسافت و شبکه ای از همکاران خارجی می گویند راهی برای کاهش این شکاف پیدا کرده اند، نه با ساختن یک مدل پیش بینی دیگر، بلکه با آموزش نرم افزار برای اصلاح اشتباهات قابل پیش بینی مدل های موجود. این رویکرد، که تصحیح سوگیری احتمالی (PBC) نام دارد، در مقاله ای که در مجله علمی Nature منتشر شده و در یک پست وبلاگ مایکروسافت که این هفته منتشر شد، شرح داده شده است. این یکی از بی‌صداترین مطالب کاربردی در موج تحقیقات کاربردی هوش مصنوعی است که در میان [آخرین پیشرفت‌های هوش مصنوعی] (https://aibuzzwire.news) پوشش داده شده است، زیرا سیستم‌هایی را که هواشناسان از قبل به آنها تکیه می‌کنند به‌جای اینکه از آنها بخواهد به چیز جدیدی تغییر دهند، ارتقا می‌دهد.
چرا پنجره دو تا شش هفته پیش بینی را به چالش می کشد
مدل‌های مبتنی بر فیزیک جو و اقیانوس‌ها را با استفاده از معادلات علمی شبیه‌سازی می‌کنند، در حالی که مدل‌های جدیدتر هوش مصنوعی بر روی آرشیو وسیعی از داده‌های آب‌وهوای مشاهده‌شده تمرین می‌کنند. طبق گفته مایکروسافت، هر دو خانواده تقریباً ده روز عملکرد خوبی دارند. فراتر از آن نقطه، خطاهای اولیه کوچک ترکیب می‌شوند و برهمکنش‌های پیچیده بین جو، اقیانوس‌ها و سطح زمین هر دو رویکرد را تحت الشعاع قرار می‌دهند، به همین دلیل است که چشم‌اندازهای دو تا شش هفته‌ای در بقیه پیش‌بینی‌ها تأخیر دارند.
تیم تحت رهبری مایکروسافت به جای ورود به میدان شلوغی از مدل‌های رقیب، روی یک هدف متفاوت تمرکز کرد: خطاهای سیستماتیک و تکرارپذیری که مدل‌ها در این محدوده مرتکب می‌شوند. این شرکت در پست وبلاگ خود توضیح داد: "خط لوله جدید ما (PBC) مدل مورد علاقه شما را به عنوان ورودی می گیرد و می آموزد که از چه راه هایی تمایل به خطا دارد. سپس این خطاها را تصحیح می کند و پیش بینی خروجی بهتری را برای محدوده زیر فصلی به دست می دهد."
یک لایه سبک وزن در بالای مدل های موجود
از نظر فنی، PBC یک سیستم یادگیری ماشینی سبک وزن است که آرشیو پیش‌بینی‌های تاریخی هر مدلی را مطالعه می‌کند تا بفهمد کجا و چگونه به طور سیستماتیک سوگیری دارد. هنگامی که آن الگوها آموختند، سیستم خروجی احتمالی مدل را برای جبران تنظیم می کند. در ارزیابی‌هایی که در مقاله نیچر توضیح داده شده است، مایکروسافت گزارش می‌دهد که PBC عملکرد مدل زیر فصلی پیشرو از نظر عملیاتی را که توسط مرکز اروپایی پیش‌بینی‌های هوای میان‌برد (ECMWF) اداره می‌شود، بهبود بخشیده است.
نتایج در رقابت زنده ماندگار شد، نه فقط در آزمون های گذشته نگر. ECMWF در آگوست 2025 AI Weather Quest را راه‌اندازی کرد، رقابتی بی‌درنگ که برای پیشبرد پیش‌بینی احتمالی زیر فصلی طراحی شده است. تیمی به نام MicroEnsemble، متشکل از محققان مایکروسافت و همکاران خارجی، با مدخلی به نام MicroDuet که PBC را در مدل دینامیکی پیشرو در صنعت ECMWF اعمال می‌کرد، به افتخارات برتر دست یافت.
دکتر جاشوا طالب، دانشمند پیش‌بینی زیر فصلی در ECMWF، گفت: «هوش مصنوعی کوئست آب‌وهوا یک پلتفرم معیار بی‌درنگ برای پیش‌بینی‌های زیر فصلی ارائه می‌کند». مشارکت‌های Team MicroEnsemble نشان داد که چگونه یادگیری ماشینی می‌تواند مهارت سیستم‌های پیش‌بینی دینامیکی سنتی را از طریق پس پردازش افزایش دهد.
از معیار تا خلبانان دنیای واقعی در شرق آفریقا
این تکنیک در حال حاضر فراتر از معیارها حرکت می کند. در کنیا، پیش‌بینی‌کنندگان در حال آماده شدن برای آزمایش PBC هستند، زیرا یکی از دو فصل بارانی این کشور در حال انجام است. این تلاش شامل سازمان خدمات هواشناسی کنیا (KMSA) و دانشمندان مرکز مخاطرات آب و هوا در دانشگاه کالیفرنیا، سانتا باربارا، با مشاوره ژنوو فلاسپولر، مدیر تحقیقات Rhiza، یک سازمان غیرانتفاعی متمرکز بر بهبود پیش بینی آب و هوا با استفاده از هوش مصنوعی است.
فلاسپولر استدلال می‌کند که ارزش یک پیش‌بینی به رسیدن به موقع برای عمل به آن بستگی دارد. وی با اشاره به اینکه شرق آفریقا بین خشک ترین سال های ثبت شده و مرطوب ترین سال های تاریخ در نوسان بوده است، گفت: "پیش بینی خوب آب و هوا، ارائه شده در زمان مناسب، در کانال ارتباطی مناسب، می تواند تفاوت بزرگی برای نتایج کشاورزی باشد." در منطقه‌ای که مزارع عمدتاً فاقد آبیاری و کاشت، کوددهی، و تصمیم‌های خرید بذر هستند، پیش‌بینی زیر فصلی ماهرانه‌تر یک بهبود انتزاعی نیست.
فلاسپولر گفت: «از آنجایی که ما در میانه گرمترین ال نینوی ثبت شده قرار داریم، ترس زیادی در بین دولت ها و جامعه علم آب و هوا در مورد چگونگی بروز آن وجود دارد. نیاز شدیدی به روش‌های پیش‌بینی ساده وجود دارد که قوی عمل کنند.»
استدلال کارایی در عصر مدل‌های بزرگتر
آنچه PBC را در تحقیقات هوش مصنوعی قابل توجه می کند، اقتصاد آن است. در حالی که بیشتر میدان‌ها برای آموزش مدل‌های پیش‌بینی سرتاسر بزرگتر رقابت می‌کنند، PBC یک سیستم نسبتاً کوچک است که بیشتر مهارت خود را از مدل‌های عملیاتی که تصحیح می‌کند وام می‌گیرد. این امر اجرای آن را ارزان‌تر و پذیرش را برای آژانس‌های هواشناسی آسان‌تر می‌کند، زیرا آنها می‌توانند زیرساخت‌های موجود خود را حفظ کنند و به سادگی یک لایه اصلاح اضافه کنند.
همچنین الگوی گسترده‌تری را در یادگیری ماشین کاربردی منعکس می‌کند: پس‌پردازش و کالیبراسیون اغلب دستاوردهایی را ارائه می‌کنند که در غیر این صورت نیاز به بازسازی کامل مدل دارند. برای خدمات آب‌وهوا که بودجه‌های محدود را در کجا خرج می‌کنند، روشی که به وضوح سخت‌ترین محدوده پیش‌بینی را بهبود می‌بخشد - که هم در طبیعت و هم در رقابت زنده ECMWF معتبر است - احتمالاً توجه را به خود جلب می‌کند.
آینده برای هوش مصنوعی زیر فصلی
پست وبلاگ مایکروسافت از اعلام یک محصول عملیاتی متوقف می شود و این شرکت نگفته است که آیا PBC در پیشنهادات پیش بینی تجاری ادغام خواهد شد یا خیر. آزمون کوتاه‌مدت این است که آیا سرویس‌های آب‌وهوای ملی از لایه‌های تصحیح تعصب مانند PBC برای چشم‌اندازهای زیر فصلی خود استفاده می‌کنند و آیا این رویکرد با مدل‌های پیش‌بینی هوش مصنوعی که اکنون وارد استفاده عملیاتی شده‌اند، به خوبی هماهنگ است یا خیر.
اگر اینطور شود، پنجره دو تا شش هفته ای - محدوده ای که کشاورزان، اپراتورهای شبکه و برنامه ریزان بلایای طبیعی از لحاظ تاریخی کمترین کار را با آن داشته اند - ممکن است در نهایت بسته شود. برای حوزه‌ای که دهه‌ها را صرف دستیابی به دستاوردهای حاشیه‌ای در مهارت کرده است، اجازه دادن به یک سیستم یادگیری ماشینی کوچک برای پاکسازی خطاهای سیستماتیک مدل‌های فیزیکی غول‌پیکر نوعی پیشرفت عمل‌گرایانه است.
---
از هوش مصنوعی جلوتر بمانیدآخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.
بیشتر بخوانید اخبار هوش مصنوعی →
