جوجل تطلق WeatherNext 2: توقعات الطقس بالذكاء الاصطناعي بسرعة 8 مرات، تدعم توليد مئات السيناريوهات

أعلنت Google DeepMind و Google Research عن إطلاق نموذج جديد للتنبؤ بالطقس بالذكاء الاصطناعي WeatherNext 2، مع التأكيد على أن هذا النموذج يمكنه زيادة سرعة التنبؤ بالطقس العالمي بمقدار 8 مرات، ويستطيع أيضًا تقديم تنبؤات بدقة عالية تصل إلى “ساعة واحدة”. والأهم من ذلك، أنه يمكنه من بيانات أولية واحدة أن ينتج مئات من السيناريوهات المحتملة للطقس، مما يمكّن المستخدمين والجهات المختصة في الأرصاد الجوية والصناعات من فهم نطاق الطقس القاسي بشكل أسرع. حاليًا، تم دمج WeatherNext 2 في عدة أدوات تطبيقية مثل Google Maps و Gemini.

تم تحسين السرعة والدقة بشكل كبير، وتم ترقية توقعات الذكاء الاصطناعي بشكل كامل

أفادت الجهات الرسمية أن WeatherNext 2 يمكنه إجراء توقع واحد على TPU الخاص بجوجل في أقل من دقيقة، وهو أكثر كفاءة بكثير مقارنة بالنماذج الفيزيائية التقليدية التي تحتاج إلى عدة ساعات. كما أنه يمكنه إنتاج توقعات بدقة أعلى، تصل إلى تغييرات “كل ساعة”، مما يساعد في جدولة الرحلات الجوية، وإدارة سلسلة التوريد، وحتى ترتيبات تنقل الحياة اليومية للناس.

أشارت الجهات الرسمية إلى أن WeatherNext 2 قد تفوقت على الجيل السابق WeatherNext في 99.9% من متغيرات الطقس وفي فترة التنبؤ من 0 إلى 15 يومًا، بما في ذلك مؤشرات متعددة مثل درجة الحرارة وسرعة الرياح والرطوبة، مما أدى إلى تحسين ملحوظ في دقة التنبؤ الكلي.

الصورة هي مخطط عملية محاكاة الظروف الجوية WeatherNext لمدة يومين، التقنية الأساسية FGN، لبناء ظروف محاكاة جوية أكثر واقعية.

تتميز WeatherNext 2 بفجوة الأداء بسبب اعتمادها على بنية نموذجية جديدة تسمى Functional Generative Network (FGN). هذه البنية تضيف “ضوضاء” (Noise) داخل النموذج، مما يسمح للنموذج بالحفاظ على التباين الطبيعي عند توليد سيناريوهات الطقس، دون الخروج عن القوانين الفيزيائية.

لضمان تنوع ولكن اتساق نتائج التوقع، يستخدم النظام عدة شبكات عصبية مدربة بشكل مستقل، ومن ثم يتم تعديلها من خلال الضوضاء، لتوليد سلسلة من النسخ السياقية المترابطة. كما أشارت Google بشكل خاص إلى أن هذا النموذج يستخدم “متغير واحد” (Marginals) للتدريب، مثل درجة الحرارة أو سرعة الرياح، لكنه قادر على توقع “نظام متفاعل” (Joints)، مثل تأثير موجات الحر على منطقة بأكملها، أو توزيع إنتاج الطاقة بشكل عام في حقل الرياح.

تعتبر هذه القدرة على استنتاج أنظمة معقدة من بيانات تدريب بسيطة هي الميزة الأساسية لـ WeatherNext 2.

(ملاحظة: الضوضاء هنا تشير إلى التغييرات العشوائية التي تم إدخالها عمدًا في نموذج الذكاء الاصطناعي، مما يضيف بعض العشوائية إلى حسابات النموذج، مما ينتج عنه تغيرات جوية مختلفة ولكن لا تزال تتوافق مع القوانين الفيزيائية. النظام التفاعلي، يشير إلى النظام الجوي الكلي الذي يتشكل نتيجة تأثير العديد من متغيرات الطقس معًا، وليس بيانات نقطية منفردة. )

توليد مئات السيناريوهات في مرة واحدة، وتوقع الظروف الجوية القصوى يصبح أكثر موثوقية.

يمكن ل WeatherNext 2 أن ينتج مئات النتائج الجوية من نفس مجموعة البيانات المدخلة في أقل من دقيقة واحدة، مع الحفاظ على أن كل واحدة منها منطقية فيزيائياً ومتسقة مع بعضها البعض.

تعتبر هذه القدرة مهمة بشكل خاص للأحداث ذات “عدم اليقين العالي” مثل الأعاصير والأمطار الغزيرة وموجات الحر، وقد استخدمت جوجل هذه التقنية لدعم وكالات الأرصاد الجوية في التنبؤات التجريبية حول الأعاصير، مما يساعد في تحديد أسوأ السيناريوهات ونطاقات التغير المحتملة.

إدخال شامل لمنتجات Google ، وفتحها أيضًا للمجتمع العالمي

حالياً، قامت Google بدمج WeatherNext 2 رسمياً في عدة منتجات للمستخدمين وقطاع الأعمال. يمكن للمستخدمين العامين رؤية نظام التنبؤ الجديد في Google Search وGemini وPixel Weather وAPI الطقس في Google Maps Platform، وسيتم إضافته لاحقاً إلى Google Maps.

يمكن للمطورين الحصول على بيانات التنبؤ من خلال Earth Engine و BigQuery، واستخدام نموذج الطقس الذكي الذي أنشأوه بأنفسهم على Vertex AI في Google Cloud.

جوجل تدفع الأبحاث العالمية، وتدخل المزيد من البيانات وتوسع نطاق الاستخدام.

تقول جوجل إنها ستستمر في البحث عن كيفية دمج المزيد من مصادر البيانات في المستقبل، لتعزيز قدرات النموذج، وستواصل فتح أدوات جديدة للباحثين والمطورين والشركات عند الإمكان.

تأمل الحكومة في استخدام نماذج الذكاء الاصطناعي القوية والبيانات المفتوحة لمساعدة المجتمع العالمي على اتخاذ قرارات مهمة بشأن الطاقة والنقل والمناخ بشكل أسرع، ودفع المزيد من الإنجازات العلمية.

تقدم Google في هذه المقالة WeatherNext 2: سرعة توقعات الطقس باستخدام الذكاء الاصطناعي تصل إلى 8 أضعاف، تدعم إنشاء مئات السيناريوهات، ظهرت لأول مرة في أخبار السلسلة ABMedia.