أطلقت المركز الأوروبي لتوقعات الطقس متوسطة المدى (ECMWF) للتو نموذجًا للتنبؤ الذي يعمل بذات منظمة العفو الدولية ، والذي يقول المركز يتفوق على النماذج القائمة على أحدث ما يصل إلى 20 ٪.
يطلق على النموذج اسم نظام التنبؤ بالذكاء الاصطناعي (AIFS). وفقًا لإصدار ECMWF ، يعمل النموذج الجديد بسرعات أسرع من النماذج القائمة على الفيزياء ويستغرق طاقة أقل من 1000 مرة تقريبًا لإجراء التنبؤ.
أنتجت ECMWF ، التي كانت الآن في عامها الخمسين من عملياتها ، واحدة من نماذج التنبؤ بالطقس المتوسطة المدى الرائدة في العالم. تشمل التنبؤ متوسطة المدى تنبؤات الطقس التي تم إجراؤها بين ثلاثة أيام و 15 يومًا مقدمًا ، لكن ECMWF يتوقع أيضًا الطقس حتى عام. تعد نماذج التنبؤات الطقس ضرورية للولايات والحكومات المحلية للبقاء على استعداد للأحداث الجوية القاسية – وكذلك لتلبية الاحتياجات اليومية ، مثل معرفة ما سيكون عليه الطقس في إجازتك القادمة.
نماذج التنبؤ بالطقس التقليدية تجعل التنبؤات عن طريق حل معادلات الفيزياء. أحد القيود على هذه النماذج هو أنها تقريبية للديناميات في الغلاف الجوي. يتمثل أحد الجوانب المقنعة في النماذج التي تحركها الذكاء الاصطناع إلى أنه يمكنهم معرفة علاقات وديناميات أكثر تعقيدًا في أنماط الطقس مباشرة من البيانات ، بدلاً من الاعتماد فقط على المعادلات المعروفة سابقًا والموثقة.
يأتي إعلان ECMWF في أعقاب نموذج gencast من Google DeepMind للتنبؤ بالطقس الذي يعمل بمواد الذكاء الاصطناعى ، والتكرار التالي لبرنامج التنبؤ بالطقس من Google والذي يتضمن NeuralGCM و Graphcast. تفوقت Gencast على ENS ، نموذج التنبؤ بالطقس الرائد في ECMWF ، على 97.2 ٪ من الأهداف عبر متغيرات الطقس المختلفة. مع أوقات الرصاص التي تزيد عن 36 ساعة ، كان Gencast أكثر دقة من ENS على 99.8 ٪ من الأهداف.
لكن المركز الأوروبي يبتكر أيضًا. إن إطلاق AIFS-Single هو مجرد إصدار تشغيلي من النظام.
وقال فلوريان بابنبرجر ، مدير التنبؤات والخدمات في ECMWF ، في الإصدار المركز: “هذا مسعى ضخم يضمن أن النماذج تعمل بطريقة مستقرة وموثوقة”. “في الوقت الحالي ، يكون حل AIFS أقل من حل لدينا (IFS) ، والذي يحقق دقة 9 كم (5.6 ميل) باستخدام نهج قائم على الفيزياء.”
وأضاف بابنبرغر: “نرى AIFs و IFS على أنها تكميلية ، وجزء من توفير مجموعة من المنتجات لمجتمع المستخدمين لدينا ، الذين يقررون ما هو أفضل احتياجاتهم”.
سيقوم الفريق باستكشاف النمذجة القائمة على البيانات والقائمة على الفيزياء لتحسين قدرة المنظمة على التنبؤ بالطقس بدقة.
وقال ماثيو تشانيري ، الرصاص الإستراتيجي للتعلم الآلي في ECMWF ورئيس منصة الابتكار ، في رسالة بريد إلكتروني إلى Gizmodo: “النماذج القائمة على الفيزياء هي مفتاح عملية إجراء عملية استيعاب البيانات الحالية”. “هذه عملية استيعاب البيانات نفسها أمر حيوي أيضًا لتهيئة نماذج التعلم الآلي كل يوم ، وتسمح لها بإجراء تنبؤات.”
وأضاف Chantry: “أحد الحدود التالية للتنبؤ بالطقس في التعلم الآلي هو خطوة تقييم البيانات هذه ، والتي إذا تم حلها تعني أن سلسلة التنبؤ بالطقس الكامل يمكن أن تعتمد على التعلم الآلي”.
تشانيري هي مؤلف مشارك لدراسة في انتظار مراجعة النظراء التي تصف نظام تنبؤ قائم على البيانات ، لا يعتمد على إعادة التحليل القائم على الفيزياء.
يسمى GraphDop ، ويستخدم النظام كميات يمكن ملاحظتها مثل درجات حرارة السطوع من المدارات القطبية “لتشكيل تمثيل كامن متماسك لديناميات حالة الأرض والعمليات البدنية” ، كتب الفريق ، “ويمكنه إنتاج تنبؤات ماهرة لأعراض الطقس ذات الصلة حتى خمسة أيام في المستقبل. “
يعد دمج أساليب الذكاء الاصطناعي مع نمذجة التنبؤ بالطقس التي تعتمد على الفيزياء مكانًا واعدًا للتنبؤ أكثر دقة. يشير الاختبار حتى الآن إلى أن التنبؤ التي تعمل بذات AI يمكن أن تتفوق على النماذج التاريخية ، ولكن حتى الآن اعتمدت هذه النماذج على بيانات إعادة التحليل. كانت الملاحظات على الأرض ضرورية لتدريب النماذج ، ويبقى أن نرى مدى إثارة للإعجاب في قدرات التنبؤ بالتكنولوجيا عندما يجبر على الخروج.