إعصار فلورنس كما يُرى من محطة الفضاء الدولية
أطلقت الشركات الكبرى جيلًا جديدًا من نماذج التنبؤ بالطقس القائمة على تعلم الآلة.
تُشكّل هذه النماذج تحديًا لأساليب التنبؤ القائمة على الفيزياء الراسخة والمُحسّنة على مدى عقود.
لكن ما مدى فعالية نماذج تعلم الآلة هذه؟
يُعدّ الطقس جانبًا مهمًا من جوانب الحياة البريطانية، نظرًا للتغيرات المتكررة والدراماتيكية في الأحوال الجوية.
تُعدّ تنبؤات الطقس الدقيقة أمرًا بالغ الأهمية للتخطيط اليومي، لكن التنبؤات الدقيقة بالأحوال الجوية القاسية أكثر أهمية من أجل التعديلات السلوكية، وتدابير إنقاذ الأرواح، والتخفيف من أضرار الممتلكات.
القيمة الاقتصادية العالمية للتنبؤات الجوية الدقيقة لا تُقاس، لكنها بلا شك كبيرة.
وفقًا للإدارة الوطنية للمحيطات والغلاف الجوي (NOAA)، في الولايات المتحدة وحدها، وبالتركيز على الكوارث الجوية التي تتجاوز قيمة أضرارها مليار دولار (740 مليون جنيه إسترليني)، بلغ تأثير عام 2024 ما يقارب 182 مليار دولار، مع 568 حالة وفاة.
منذ عام 1980، تجاوز إجمالي الأضرار ما يقارب 3 تريليونات دولار.
في المملكة المتحدة، أدت موجات الحر في عام 2024 إلى وفاة 1311 شخصًا إضافيًا.
أظهرت دراسة أجرتها شركة لندن للاقتصاديات, external أن مكتب الأرصاد الجوية يُولّد 56 مليار جنيه إسترليني من الفوائد الاقتصادية للمملكة المتحدة على مدى عقد من الزمن من خلال خدمات الأرصاد الجوية.
باستقراء هذا على نطاق عالمي، مع تزايد عدد السكان الذين يواجهون أحوالًا جوية متطرفة بشكل متزايد بسبب تغير المناخ، تُعدّ التنبؤات الجوية صناعة رئيسية.
إدارة موجات الحر
تعتمد التنبؤات التقليدية على بعض أقوى الحواسيب العملاقة في العالم؛ تبلغ قيمة عقد الحوسبة العملاقة لمكتب الأرصاد الجوية 1.2 مليار جنيه إسترليني.
يوفر هذا الاستثمار آلة قادرة على إجراء 60 كوادريليون (60,000,000,000,000,000) عملية حسابية في الثانية، وتشغيل نموذج قائم على الفيزياء يحتوي على أكثر من مليون سطر من التعليمات البرمجية، ويستخدم 215 مليار مُلاحظة جوية.
تعالج النماذج العالمية البيانات في شبكة من المربعات عبر الكوكب. تختلف الدقة، وتتراوح من حوالي 10 كيلومترات مربعة إلى 28 كيلومترًا مربعًا (3.86 ميل مربع إلى 10.81 ميل مربع).
هذه الدقة تحد من دقة التنبؤ بالأمطار، وتبدو الجبال أقل وضوحًا مما هي عليه في الواقع.
يتنبأ النموذج الأعلى دقة في مكتب الأرصاد الجوية، UKV (المُستخدم في توقعات تلفزيون بي بي سي لمدة 48 ساعة)، بالأمطار بدقة 1.5 كيلومتر (0.9 ميل). ومع ذلك، فإن متطلباته الحسابية تحد من استخدامه في المملكة المتحدة وأوروبا.
نماذج تعلم الآلة حديثة نسبيًا، لكن تطورها سريع وواعد.
تتطلب النماذج التقليدية ساعات على أجهزة كمبيوتر عملاقة باهظة الثمن، بينما يمكن لهذه النماذج الجديدة أن تعمل في أقل من دقيقة على أجهزة كمبيوتر محمولة قياسية. إنها تتجاوز الفيزياء التفصيلية، بدلاً من ذلك تتعلم من 40 عامًا من البيانات التاريخية.
أدائها؟
بيانات ضغط الغلاف الجوي لفصل الشتاء 2024/2025 من المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF) بيانات الضغط الجوي, external، تُظهر أن GraphCast (Google)، و AIFS (ECMWF)، و Aurora (Microsoft) تفوقت على مقياس IFS (ECMWF) التقليدي، بينما تأخرت FourCastNet (Nvidia) و Pangu-Weather (Huawei).
يختلف الأداء حسب المتغير، والتقدم سريع.
تتناقص الدقة مع وقت التنبؤ، مما يعكس الطبيعة الفوضوية للغلاف الجوي. تفتقر التنبؤات بعشرة أيام، بغض النظر عن نوع النموذج، إلى الدقة الكافية.
هل يجب أن نتخلى عن النماذج القائمة على الفيزياء؟
ليس بعد.
تعتمد نماذج تعلم الآلة على بيانات من النماذج التقليدية وتستخدم نقاط انطلاقها الجوية. بدون النماذج التقليدية، ستكون نماذج تعلم الآلة أقل فعالية بكثير.
في حين أنها ممتازة في التنبؤ بالخصائص واسعة النطاق مثل الضغط المرتفع والمنخفض، إلا أنها تتفوق على النماذج التقليدية على نطاقات تقل عن 1000 كيلومتر.
هذا يعني أن الميزات الحاسمة مثل الأخاديد والقمم قد تُغفل، مما يُغيّر التنبؤات من جفاف إلى أمطار غزيرة.
عواقب فيضانات بوسكاستل، كورنوال، أغسطس 2004
تتمتع معظم نماذج تعلم الآلة بدقة 28 كيلومترًا مربعًا، مما يتطابق مع بيانات تدريبها. هذا يعني أن الميزات الصغيرة النطاق، مثل الأمطار، من المرجح أن تُغفل، مما يعيق التنبؤ بالأحداث مثل فيضانات بوسكاستل قبل أيام.
تشير العناوين الرئيسية إلى تفوق التنبؤ بالأعاصير.
في حين أظهرت بعض النماذج تحسنًا طفيفًا في تنبؤات الوصول إلى اليابسة، إلا أن تنبؤات قوة الرياح – وبالتالي الأضرار المحتملة – كانت أضعف. قد ينبع هذا من تأثيرات التنعيم عند تحليل 40 عامًا من بيانات الأعاصير.
كان ثوران جبل بيناتوبو في الفلبين عام 1991 ثاني أكبر ثوران في القرن العشرين
قد تكافح نماذج الذكاء الاصطناعي مع الأحداث النادرة التي لم تُمثّل بشكل كافٍ في مجموعة بيانات التدريب التي تبلغ 40 عامًا. يُعد ثوران جبل بيناتوبو عام 1991، والذي تسبب في انخفاض درجة الحرارة العالمية بمقدار يصل إلى 0.5 درجة مئوية لمدة عامين، مثالًا على ذلك.
هناك أيضًا مخاوف بشأن أدائها في عالم دافئ. ستختلف بيانات المناخ السابقة التي تم تدريبها عليها اختلافًا كبيرًا عن مناخ المستقبل مع زيادة مستويات غازات الاحتباس الحراري.
المستقبل في غضون خمس سنوات؟
تتوقع البروفيسورة كيرستين ديل، كبيرة مسؤولي الذكاء الاصطناعي في مكتب الأرصاد الجوية، أن “تتعاون النماذج التقليدية ونماذج الذكاء الاصطناعي لتقديم تنبؤات دقيقة وسريعة ومُحلية للغاية”.
على الرغم من تاريخها القصير، تُظهر نماذج تعلم الآلة إمكانات هائلة نظرًا لسرعتها وكفاءتها وتطورها السريع.
هل يمكن للذكاء الاصطناعي أن يحل محل مُنبئي الطقس البشريين؟