طورت شركة غوغل نموذجًا جديدًا للذكاء الاصطناعي يمكنه المساعدة في التنبؤ بالطقس.
ويُطلق على نموذج الذكاء الاصطناعي اسم SEEDS، أو Scalable Envelope Diffusion Sampler.
ويعمل SEEDS بشكل مشابه لنماذج اللغات الكبيرة الشائعة مثل ChatGPT وMidjourney.
ويستفيد من قوة الذكاء الاصطناعي لإنشاء عدد كبير من التنبؤات الجوية في فترة زمنية قصيرة، وفق ما نقل موقع
ذا صن.
يتيح ذلك لباحثي Google تحليل نطاق أوسع من نتائج الطقس المحتملة.
والأهم من ذلك، أنه يمكن أن يمنحهم صورة أكثر شمولاً للأحداث الخطرة المقبلة.
وكتبت غوغل في تدوينة: "التنبؤات الجوية الدقيقة يمكن أن يكون لها تأثير مباشر على حياة الناس، من خلال المساعدة في اتخاذ القرارات الروتينية".
وأضافت أن "أهمية التنبؤات الجوية الدقيقة وفي الوقت المناسب ستزداد مع تغير المناخ... وإدراكًا لهذا الأمر، فإننا في Google نستثمر في أبحاث الطقس والمناخ للمساعدة في ضمان قدرة تكنولوجيا التنبؤ المستقبلية على تلبية الطلب على معلومات الطقس الموثوقة."
إن الطرق الحالية للتنبؤ بالطقس باهظة الثمن وغالباً ما تفوت تفاصيل مهمة حول الكوارث الجوية الوشيكة.
ومع ذلك، من المحتمل أن تتمكن SEEDS من التقاط الأحداث النادرة التي قد تفوتها النماذج الحالية.
وأوضحت غوغل أن "هذه التكنولوجيا تفتح فرصًا جديدة لعلوم الطقس والمناخ، وتمثل أحد التطبيقات الأولى للتنبؤ بالطقس والمناخ لنماذج الانتشار الاحتمالية".
ووصف فريق غوغل النتائج التي توصلوا إليها في ورقة بحثية نشرت في 29 آذار في مجلة Science Advances.
وفي الدراسة، يقول الفريق أن تقنية SEEDS تعتمد على نماذج الانتشار الاحتمالية.
وبشكل أساسي، تستخدم SEEDS بيانات الطقس مثل ضغط الهواء والطاقة الجوية لإنشاء نماذج تنبؤية، وتركز على كيفية ارتباط هذه القياسات، مما يساعد على تحسين التنبؤات الجوية.
وتتزايد شعبية هذه التقنية بين تطبيقات الطقس والمناخ مثل التنبؤ الآني ورفع العينات.
وجاء في الدراسة: "يمكن لجهازنا القابل للتطوير لأخذ عينات من المغلف أن يولد مجموعة كبيرة بشكل تعسفي مشروطة بما لا يقل عن واحد أو اثنين من التنبؤات من نظام التنبؤ العددي بالطقس (NWP) التشغيلي".
وأضافت: "إن المجموعات التي تم إنشاؤها لا تنتج تنبؤات شبيهة بالطقس فحسب، بل تتطابق أيضًا أو تتجاوز المجموعات القائمة على الفيزياء في مقاييس المهارات".
وتتضمن هذه المقاييس الرسم البياني للرتبة، وجذر متوسط الخطأ التربيعي، ودرجة الاحتمالية المستمرة.