العودة
نموذج WeatherNext من DeepMind يحقق إنجازًا في التنبؤ بالأعاصير
SiTech Team2 წთ. საკითხავი

نموذج WeatherNext من DeepMind يحقق إنجازًا في التنبؤ بالأعاصير

حقق نموذج الذكاء الاصطناعي WeatherNext من Google DeepMind دقة هي الأفضل في التنبؤ بمسار الأعاصير الاستوائية وشدتها وبنية رياحها، وفق ورقة نُشرت في مجلة Nature.

نشرت Google DeepMind ورقة بحثية في مجلة Nature عن WeatherNext، وهو نموذج ذكاء اصطناعي يحقق أعلى دقة في التنبؤ بالأعاصير الاستوائية. يتوقع النموذج في الوقت نفسه مسار العاصفة وشدتها وبنية الرياح فيها، وهي ثلاث خصائص كانت تتطلب حتى الآن نوعين مختلفين من نماذج الطقس الرقمية.

يوم كامل إضافي للتحذير

وفق الورقة، يمدّ WeatherNext دقة التنبؤ المفيدة بنحو يوم واحد في المتوسط: توقعاته لثلاثة أيام لا تقل دقة عن توقعات النماذج السابقة ليومين. وترى DeepMind أن تحسناً بهذا الحجم يعادل نحو عقد من التقدم في علم الأرصاد الجوية. والأعاصير الاستوائية — الأعاصير المدارية والتيوفانات — من أكثر الظواهر الجوية تدميراً على الأرض؛ إذ تسببت خلال الخمسين عاماً الماضية في أكثر من 700 ألف وفاة وخسائر اقتصادية بلغت 1.4 تريليون دولار عالمياً.

كيف يعمل النموذج

دُرّب WeatherNext في الوقت نفسه على نوعين من البيانات: الديناميكيات الجوية العالمية، والملاحظات التاريخية للأعاصير التي جمعها خبراء. وبإجمالي يقارب 20 تيرابايت من بيانات الغلاف الجوي وقاعدة IBTrACS التي تضم نحو 5000 عاصفة تاريخية، تعلّم النموذج الأنماط الجوية المعقدة. ويستخدم النموذج شبكات Functional Generative Networks لتوليد مجموعات من التوقعات، وينتج توقعاً لمدة 15 يوماً في أقل من دقيقة على شريحة TPU واحدة. أنتج النظام العام الماضي 50 توقعاً في الوقت نفسه، بينما رُفعت مجموعة التوقعات هذا العام إلى 1000 عضو، بما يكفي لالتقاط سيناريوهات نادرة لكن خطيرة مثل الاشتداد السريع للعاصفة.

ويشير الباحثون أيضاً إلى نتيجة مفاجئة: يحتاج WeatherNext Cyclones إلى بيانات بدقة 28×28 كيلومتراً فقط، أي أخشن بنحو 100 مرة من النماذج التقليدية، ومع ذلك يحقق أفضل النتائج. أما النسخة الأصغر WeatherNext 2-mini فتعمل بدقة 111×111 كيلومتراً على شريحة TPU واحدة، بما في ذلك في دفتر Colab عام مجاني. ويبقى سبب كفاية هذه البيانات الخشنة سؤالاً بحثياً مفتوحاً.

مصدر مفتوح وتطبيق عملي

إلى جانب ورقة Nature، أتاحت Google DeepMind الشيفرة وأوزان نموذجي WeatherNext 2 وWeatherNext Cyclones كمصدر مفتوح، لاستخدامها في البحث الأكاديمي والتنبؤ التشغيلي وتطوير نماذج محلية. وأُنجز العمل بالتعاون مع المركز الوطني للأعاصير في الولايات المتحدة، ومعهد الأبحاث التعاوني للغلاف الجوي، ومكتب الأرصاد البريطاني Met Office ووكالات طقس أخرى. وقد ظهر الأثر عملياً: خلال موسم أعاصير 2025 ساعد النموذج المركز الوطني للأعاصير على إصدار توقع تاريخي لاشتداد إعصار ميليسا السريع ووصوله إلى اليابسة في جامايكا. ويمكن استعراض التوقعات على منصة Weather Lab التي حُدّثت مؤخراً.

SSiTech

SiTech — تطوير ويب مدعوم بالذكاء الاصطناعي

نبني مواقع سريعة وعصرية وندمج الذكاء الاصطناعي في سير عمل الشركات. لديك مشروع أو سؤال؟ يسعدنا مساعدتك.