WeatherNext 3: نموذج جوجل الجديد يعيد رسم مستقبل التنبؤات الجوية بالذكاء الاصطناعي

لم تعد التنبؤات الجوية حكراً على الحواسيب الفائقة الحكومية البطيئة والمكلفة، إذ يقود الذكاء الاصطناعي تحولاً جذرياً في علم الأرصاد الجوية. وفي أحدث خطوة على هذا الطريق، كشف باحثون من قسمَي DeepMind وGoogle Research عن نموذج جديد يحمل اسم WeatherNext 3، يَعِد برؤية أوضح للغلاف الجوي المتغير وتنبؤات أكثر دقة وتكراراً من أي وقت مضى.

نموذج يدخل قلب منتجات جوجل

لا يقتصر دور هذا النموذج على المختبرات البحثية، بل ستبدأ جوجل بتوظيفه لتغذية معلومات الطقس التي يراها المستخدمون في محرك البحث وخرائط جوجل ومساعد Gemini، إضافة إلى إتاحته للباحثين والمطورين عبر منصات جوجل السحابية. وبحسب المهندس الأول في الشركة، سامير ميرشانت، فإنها المرة الأولى التي تُغذّي فيها بعض المتغيرات الجوية الأساسية عدداً كبيراً من منتجات جوجل وتُشغّلها.

وقد أثبت النموذج تفوقه بالفعل، إذ سجّل أعلى درجات الدقة بين المنافسين البارزين عند اختباره على منصة Operational WeatherBench التي طوّرتها شركة Brightband الناشئة، والتي تقيس مؤشرات مثل درجة الحرارة وسرعة الرياح والرطوبة.

تفوق على المنافسين التقليديين والذكيين

لم يكتفِ WeatherNext 3 بالتغلب على نماذج التعلم العميق المنافسة التي طورتها شركات مثل مايكروسوفت وإنفيديا والمركز الأوروبي للتنبؤات الجوية متوسطة المدى، بل تجاوز أيضاً التوقعات التقليدية الصادرة عن هيئة الأرصاد الجوية الوطنية الأمريكية والمركز الأوروبي نفسه.

يعود جذر هذا التحول إلى عام 2018، حين أتاح المركز الأوروبي بيانات جوية جُمعت على مدى أكثر من نصف قرن، ما فتح الباب أمام تدريب نماذج تعلم عميق قادرة على تقديم تنبؤات أسرع بكثير وبدقة توازي الأدوات الحكومية. ويوضح فيران أليت، الباحث في DeepMind، أن الطقس نظام فوضوي تُحدث فيه الفروق الصغيرة اضطرابات هائلة، وأن التعلم الآلي يعالج جوهر المشكلة بتعلّم الأنماط من كمّ ضخم من البيانات في ظل معلومات ناقصة وقدرة حسابية محدودة.

ثلاثة تحديات كبرى تجاوزها النموذج

عانت نماذج الذكاء الاصطناعي السابقة من نقاط ضعف رئيسية عالجها WeatherNext 3 دفعة واحدة:

• الدقة المكانية: بينما كانت النماذج القديمة تتنبأ ضمن مساحات واسعة تتراوح بين 15 و25 كيلومتراً مربعاً، بات النموذج الجديد قادراً على التنبؤ بدقة تصل إلى 5 كيلومترات في المتغيرات الأساسية.
• توقعات الأمطار: تحسّن أداؤه في هذا المجال بنسبة 60% مقارنة بالإصدار السابق WeatherNext 2.
• تكرار التنبؤ: أصبح بمقدوره إنتاج توقعات ساعية بدلاً من التوقعات المعتادة كل ست ساعات.

جاءت هذه القفزات نتيجة خيارات تصميمية دقيقة، فالنموذج أكبر حجماً بما يعادل 2.4 ضعف عدد معاملات سلفه، كما دُرّب على توجيه توقعاته نحو محطات رصد جوية محددة، ما يوفر تنبؤات أكثر تفصيلاً ويتيح تقييم أدائه مقابل بيانات ميدانية واقعية.

الاعتماد على البيانات الخام

القدرة على التنبؤ الأكثر تكراراً تنبع من استيعاب النموذج لبيانات الأقمار الاصطناعية المجمّعة آنياً كل ساعة. فتغذية النماذج بالملاحظات التجريبية الخام بدلاً من التحليلات الجاهزة الصادرة عن الحواسيب الفائقة تَعِد بدقة أعلى، رغم صعوبة ذلك تقنياً.

وتصف جوجل نموذجها بأنه "الأول" الذي يدمج الملاحظات الخام مباشرة لإنتاج تنبؤ عالمي عالي الدقة، غير أن شركة WindBorne الناشئة تؤكد أن نموذجها WeatherMesh 6 دمج بيانات خام من أسطول بالوناتها منذ أواخر عام 2025. ومع ذلك، لا تزال النماذج جميعها تعتمد جزئياً على قواعد البيانات الجوية الوطنية، ما يعني أن دمج البيانات المباشرة الكامل يحتاج مزيداً من العمل.

أثر يتجاوز التوقعات اليومية

في حين تحظى نماذج اللغة الكبيرة بالنصيب الأكبر من الاهتمام، فإن ثورة المحولات (Transformers) في علم الأرصاد لا تقل أهمية. فسرعتها وانخفاض تكلفتها يَعِدان بأثر اقتصادي ملموس في المناطق الفقيرة التي حرمها ارتفاع أسعار المستشعرات والحواسيب الفائقة من تنبؤات دقيقة.

وقد أشار بيل غيتس مؤخراً إلى أن التنبؤات الجوية المدعومة بالذكاء الاصطناعي تُعدّ فائدة جوهرية لهذه التقنية، إذ تسهم في تحسين إنتاجية المحاصيل في الدول النامية. ويضيف أليت أن التوقعات عالية الدقة للرياح والأمطار والغطاء السحابي ستجعل مشاريع الطاقة المتجددة أكثر موثوقية. ويختم بأن جوهر مهمة جوجل هو تقديم معلومات مفيدة للمستخدم، وكثير مما يبحث عنه الناس يرتبط بالطقس بصورة أو بأخرى.

✦ بقلم فريق دروب أيديا