جوجل تعلن عن نموذج ذكاء اصطناعي يساعد في التنبؤ بالطقس.. اعرف التفاصيل

أعلنت شركة Google Research عن نموذج جديد للذكاء الاصطناعي (AI) يمكن أن يساعد في تخفيف عدم اليقين وعدم الدقة في التنبؤ بالطقس. يُطلق 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 الانتشار التي تقلل الضوضاء، وهذا ليس نموذج التنبؤ الأول بالطقس الذي وتعمل شركة التكنولوجيا العملاقة، حيث كشفت سابقًا عن نموذج GraphCast، وهو نموذج يمكنه التنبؤ بالطقس لمدة تصل إلى 10 أيام قادمة، وMetNet-3، وهو نموذج تنبؤ عالي الدقة لمدة 24 يومًا، وفقًا لموقع Gadgets360.

تم الإعلان عن هذا بواسطة مهندس البرمجيات الكبير Lizao Li وعالم أبحاث Google Rob Carver في منشور بالمدونة. نشر الفريق بحثًا عن نموذج الذكاء الاصطناعي التوليدي لـ SEEDS في مجلة Science Advances. وبحسب الإعلان، فإن نموذج الذكاء الاصطناعي سيبتكر التنبؤ بالطقس بطريقتين مختلفتين – وهذا يجعله أكثر دقة ويقلل من تكلفة التنبؤ بالطقس.

ومن خلال تسليط الضوء على القضيتين الرئيسيتين في التنبؤ بالطقس الحديث، ذكرت الورقة أن النماذج تدير حاليًا ما يسمى “التنبؤات الاحتمالية”. في الأساس، يركزون على الظروف الأولية لإنشاء تنبؤات أولية. ومع تقدم الظروف وتلقي نماذج الطقس المزيد من البيانات، يصحح النموذج نفسه لإنشاء تنبؤات 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 إن تشغيل نماذج الطقس الرقمية أمر معقد للغاية، حيث يجب إنشاء التنبؤات باستمرار للوصول إلى نتائج دقيقة. ، يمكن أن تتحمل تكلفة عالية.

SEEDS، وفقًا لورقة البحث، يقلل من الضوضاء الناتجة عن النماذج الاحتمالية للانتشار، والتي تم تطويرها بواسطة Google Research وتم تدريبها على المقاييس القائمة على المهارات مثل الرسم البياني للرتبة، وجذر متوسط ​​مربع الخطأ (RMSE)، ودرجة الاحتمالية المرتبة المستمرة (CRPS). . تدعي الورقة أنه على الرغم من أن النموذج يتكبد تكلفة حسابية قليلة، فإنه يعمل أيضًا على تحسين دقة التنبؤ الأولي، مما يتطلب توليد عدد أقل من التنبؤات خلال فترة زمنية معينة.

وقام فريق البحث أيضًا بتضمين عمليات تشغيل لنموذج التنبؤ بالطقس القائم على الذكاء الاصطناعي، ووجد أنه يوفر موثوقية أعلى من النموذج الغوسي، مما يسلط الضوء على مثال حوض الإمكانات الجغرافية في غرب البرتغال. “على الرغم من أن نموذج غاوس يتنبأ بالتوزيعات الهامشية أحادية المتغير بشكل مناسب، إلا أنه يفشل في التقاط الارتباطات عبر المجالات أو الارتباطات المكانية، وهذا يعيق تقييم التأثيرات التي قد تحدثها هذه الحالات الشاذة على الهواء الساخن المتسرب من شمال إفريقيا، مما قد يؤدي إلى تفاقم موجات الحر في أوروبا. وفقًا لأبحاث Google، فإن SEEDS قادر على أخذ هذه الأمور بعين الاعتبار. ولم تتم مراجعة النموذج بعد من قبل النظراء، ويمكن تطويره إلى نموذج تجاري لاحقًا، اعتمادًا على جدواه.