بقلم: سارة محمد
أعلنت شركة Google Research عن نموذج جديد للذكاء الاصطناعي (AI)، والذي يمكن أن يساعد في تخفيف حالة عدم اليقين وعدم الدقة في التنبؤ بالطقس، ويُطلق على نموذج الذكاء الاصطناعي اسم Scalable Envelope Diffusion Sampler (SEEDS)، وبدلاً من اتباع النموذج الاحتمالي التقليدي للتنبؤ بالطقس، يعتمد نموذج الذكاء الاصطناعي على نماذج احتمالية للنشر تقلل الضوضاء، وهذا ليس النموذج الأول للتنبؤ بالطقس الذي تعمل عليه شركة التكنولوجيا العملاقة، حيث سبق أن كشفت النقاب عن GraphCast، وهو نموذج يمكنه التنبؤ بالطقس لمدة تصل إلى 10 أيام قادمة، وMetNet-3، وهو نموذج تنبؤ عالي الدقة لمدة 24 يومًا، وفقاً لموقع gadgets360.
تم الإعلان عن هذا من قبل مهندس البرمجيات الكبير Lizao Li وعالم الأبحاث في Google Research Rob Carver في منشور بالمدونة، وقد نشر الفريق بحثًا عن نموذج الذكاء الاصطناعي التوليدي SEEDS في مجلة Science Advances وفقًا للإعلان، سيعمل نموذج الذكاء الاصطناعي على ابتكار التنبؤ بالطقس بطريقتين مختلفتين – مما يجعله أكثر دقة ويقلل تكلفة التنبؤ بالطقس.
ومن خلال تسليط الضوء على القضيتين الرئيسيتين في التنبؤ بالطقس الحديث، ذكرت الورقة أن النماذج في الوقت الحالي تدير ما يسمى “التنبؤات الاحتمالية”، بشكل أساسي، ويركزون على الظروف الأولية لإنشاء توقعات أولية ومع تقدم الظروف وتلقي نماذج الطقس المزيد من البيانات، ويقوم النموذج بتصحيح نفسه لإنشاء توقعات أكثر دقة، وتقول جوجل إن هذه الطريقة تسمح بمزيد من عدم اليقين في التنبؤات طويلة المدى، وفيما يتعلق بالتكاليف، أبرز فريق البحث أن أجهزة الكمبيوتر العملاقة الضخمة التي تشغل نماذج طقس رقمية معقدة للغاية، حيث يجب إنشاء التنبؤات باستمرار للوصول إلى نتائج دقيقة، يمكن أن تتحمل تكلفة عالية.
تعمل SEEDS، وفقًا لورقة البحث، على تقليل الضوضاء من النماذج الاحتمالية للانتشار، والتي تم تطويرها بواسطة Google Research تم تدريبه على المقاييس القائمة على المهارات مثل الرسم البياني للرتبة، وجذر متوسط تربيع الخطأ (RMSE)، ودرجة الاحتمالية المرتبة المستمرة (CRPS) تدعي الورقة أنه على الرغم من أن النموذج يتحمل تكلفة حسابية ضئيلة، فإنه يعمل أيضًا على تحسين دقة التنبؤ الأولي، مما يتطلب عددًا أقل من توليد التنبؤات خلال فترة زمنية معينة.
قام فريق البحث أيضًا بتضمين حالات تشغيل نموذج الذكاء الاصطناعي للتنبؤ بالطقس، ووجد أنه يوفر موثوقية أعلى من النموذج الغاوسي، وسلط الضوء على مثال حوض الإمكانات الجغرافية غرب البرتغال، وقال: “على الرغم من أن النموذج الغاوسي يتنبأ بالتوزيعات الهامشية أحادية المتغير بشكل كافٍ، إلا أنه فشل في التقاط الارتباطات عبر المجالات أو الارتباطات المكانية، وهذا يعيق تقييم التأثيرات التي قد تحدثها هذه الحالات الشاذة على تسرب الهواء الساخن من شمال إفريقيا، والذي يمكن أن يؤدي إلى تفاقم موجات الحر فوق أوروبا، وفقًا لأبحاث Google، فإن SEEDS قادر على مراعاة هذه العوامل لتحسين توقعاته، ولم يتم بعد مراجعة النموذج من قبل النظراء، واعتمادًا على مدى جدواه، ويمكن تطويره إلى نموذج تجاري في وقت لاحق.
شارك هذا الموضوع:
- انقر للمشاركة على فيسبوك (فتح في نافذة جديدة)
- اضغط لتشارك على LinkedIn (فتح في نافذة جديدة)
- اضغط للمشاركة على تويتر (فتح في نافذة جديدة)
- انقر للمشاركة على Telegram (فتح في نافذة جديدة)
- انقر للمشاركة على WhatsApp (فتح في نافذة جديدة)
- اضغط للطباعة (فتح في نافذة جديدة)
- النقر لإرسال رابط عبر البريد الإلكتروني إلى صديق (فتح في نافذة جديدة)