تدعي Google DeepMind أن أحدث نموذج للذكاء الاصطناعي قادر على توليد تنبؤات جوية لمدة عشرة أيام في أقل من دقيقة، وهو دقيق تمامًا مثل النماذج التنبؤية التقليدية التي تعمل على أجهزة الكمبيوتر العملاقة.
في ورقة نشرت في مجلة Science يوم الثلاثاء، وصف الباحثون GraphCast: شبكة عصبية بيانية تتكون من 36.7 مليون معلمة. تم تدريبه على 39 عامًا من البيانات التي تم جمعها من عام 1979 إلى عام 2017 من قبل المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF) - وهو معهد أبحاث يقوم بتحليل التنبؤات الجوية العددية العالمية على مدار الساعة طوال أيام الأسبوع - ينتج النظام تنبؤات جوية لمدة عشرة أيام، مقسمة إلى زيادات ست ساعات.
تعتمد نماذج ECMWF على طرق التنبؤ العددية بالطقس التي تجري عمليات محاكاة رياضية لنمذجة حركة الغلاف الجوي والمحيطات باستخدام معادلات ديناميكيات الموائع. ومع ذلك، تنظر GraphCast إلى أنماط الطقس في صور الأقمار الصناعية والرادار والقياسات من محطات الأرصاد الجوية لتقديم تنبؤاتها.
يقوم النموذج بتقسيم الخرائط العالمية التي تحتوي على معلومات حول بيانات الغلاف الجوي والمحيطات إلى شبكات، ويتم تدريبه على تعلم العلاقات بين متغيرات الطقس المختلفة التي تؤدي إلى أحداث محددة - مثل مسارات الأعاصير الاستوائية، والأنهار الجوية، وموجات الحرارة. يتنبأ GraphCast بعوامل مثل درجة الحرارة وسرعة الرياح واتجاهها والرطوبة وضغط الهواء على 37 ارتفاعًا مختلفًا للمساعدة في التنبؤ بالطقس.
"في تقييم شامل للأداء مقابل النظام الحتمي المعياري الذهبي، [توقعات ECMWF عالية الدقة]، قدمت GraphCast تنبؤات أكثر دقة بشأن أكثر من 90 بالمائة من 1,380 متغيرًا للاختبار وفترات زمنية متوقعة." معلن ريمي لام، المؤلف الرئيسي للورقة البحثية وعالم الأبحاث في Google DeepMind.
وأضاف: "عندما قصرنا التقييم على طبقة التروبوسفير، وهي المنطقة التي يبلغ ارتفاعها 6-20 كيلومترًا من الغلاف الجوي الأقرب إلى سطح الأرض حيث يكون التنبؤ الدقيق هو الأكثر أهمية، تفوق نموذجنا في أداء HRES بنسبة 99.7 بالمائة من متغيرات الاختبار للطقس المستقبلي".
على الرغم من أن عملية التدريب على GraphCast مكثفة من الناحية الحسابية وتتطلب تشغيل مجموعة من 32 شريحة Cloud TPU v4 من Google على مدار أربعة أسابيع، إلا أنه يمكن تشغيل النموذج المدرب النهائي على جهاز Google TPU v4 واحد (والذي يتضمن أربع شرائح TPU v4). يمكن إنشاء توقعات لمدة عشرة أيام في أقل من دقيقة، وهو ما يتجاوز الساعات التي تستغرقها عادة نماذج التنبؤ العددية بالطقس التي تعمل على أجهزة الكمبيوتر العملاقة.
مثل جميع نماذج الذكاء الاصطناعي، يعتمد أداء GraphCast على جودة بياناته. "يعد GraphCast الآن النظام العالمي الأكثر دقة للتنبؤ بالطقس لمدة عشرة أيام في العالم، ويمكنه التنبؤ بالظواهر الجوية المتطرفة في المستقبل أكثر مما كان ممكنًا في السابق. ومع تطور أنماط الطقس في مناخ متغير، سوف تتطور GraphCast وتتحسن مع توفر بيانات عالية الجودة.
ومع ذلك، فإن توقعات GraphCast ليست مثالية. أحيانًا تكون البيانات التي تولدها غير مكتملة، ويحدث عدم وضوح مكاني في مناطق عدم اليقين - مما يعني أن تنبؤاتها قد لا تكون مفيدة عند محاولة حساب احتمالات أحداث الطقس المختلفة، والمعروفة باسم تنبؤات المجموعة. كما أنها تكافح من أجل توليد تنبؤات لبيانات الغلاف الجوي المرتفعة في طبقة الستراتوسفير بالإضافة إلى نظام التنبؤ عالي الدقة التابع لـ ECMWF.
فهل يمكن للذكاء الاصطناعي أن يحل محل نماذج التنبؤ العددية القديمة بالطقس؟ ليس حقا، لسوء الحظ.
واعترف الباحثون بأن GraphCast اعتمدت على الأساليب التقليدية للحصول على بيانات عالية الجودة في المقام الأول، وأن نظام التنبؤ عالي الدقة التابع لـ ECMWF يمكنه إنتاج أنواع أخرى من التنبؤات التي لا يستطيع الذكاء الاصطناعي إنتاجها حتى الآن.
واختتموا في ورقتهم البحثية قائلين: "لا ينبغي اعتبار نهجنا بديلاً لطرق التنبؤ بالطقس التقليدية، التي تم تطويرها على مدى عقود، وتم اختبارها بدقة في العديد من سياقات العالم الحقيقي، وتقدم العديد من الميزات التي لم نستكشفها بعد".
"بدلاً من ذلك، ينبغي تفسير عملنا كدليل على أن [التنبؤ بالطقس القائم على التعلم الآلي] قادر على مواجهة تحديات مشاكل التنبؤ في العالم الحقيقي ولديه القدرة على استكمال وتحسين أفضل الأساليب الحالية."
أصدر Google DeepMind الكود الخاص بـ GraphCast هنا... ®
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://go.theregister.com/feed/www.theregister.com/2023/11/15/google_deepmind_graphcast/
