تنبؤات الطقس التقليدية: بطيئة ومكلفة، كيف يمكن للذكاء الاصطناعي أن يحدث ثورة في هذا المجال؟
كل يوم، تقوم عالمة الأرصاد الجوية هانا وانغاري بتحليل الرسوم البيانية والخرائط المجانية التي تنتجها خمسة نماذج للتنبؤ التي تشترك فيها، وتفسر ما تراه. “ما هو احتمال هطول الأمطار في مناطق مختلفة من البلاد؟” قد تتساءل. “كم من المحتمل أن يتساقط منها خلال الـ 24 ساعة القادمة؟” إن الإجابة على مثل هذه الأسئلة بسرعة ودقة أمر ضروري للعمل الذي قد ينقذ الحياة الذي تقوم به هي وآخرون في إدارة الأرصاد الجوية الكينية.
مع زيادة تغير المناخ مما يؤدي إلى حدوث أحوال جوية متطرفة بشكل أكثر تكرارًا وشدة، ستزداد الحاجة إلى توقعات أسرع وأكثر دقة. لقد تسببت الأمطار الغزيرة والفيضانات في دمار هذا العام، مما أسفر عن مقتل المئات وتشريد عدد لا يحصى من الأشخاص في الولايات المتحدة وإسبانيا وأوروبا الوسطى وقطعة كبيرة من إفريقيا، حيث تأثر أكثر من 7.2 مليون شخص. وقد توفي حوالي 267 شخصًا في كينيا وحدها وتم تشريد 278,000 آخرين بسبب الفيضانات التي أثرت على 42 من أصل 47 مقاطعة في البلاد العام الماضي. مع توقع زيادة العواصف الشديدة بنسبة 7 بالمئة لكل ارتفاع بمقدار 1.8 درجة فهرنهايت، فإن التنبؤ بدقة بموعد ومكان حدوث مثل هذه الأحداث يعد أمرًا حيويًا لإنقاذ الأرواح وسبل العيش.
ومع ذلك، يمكن أن تكون هذه العملية مستهلكة للوقت ومكلفة. يعتمد التنبؤ التقليدي على طريقة تُسمى التنبؤ العددي بالطقس. تتطلب هذه التقنية المعتمدة على الفيزياء والتي تم تطويرها في الخمسينات أجهزة كمبيوتر فائقة التكلفة قادرة على حل معادلات معقدة تحاكي العمليات الجوية. يمكن أن تستغرق عملية الحساب المكثفة ساعات لإنتاج توقع واحد وهي بعيدة المنال بالنسبة للعديد من المتنبئين الجويين، خاصةً في الدول النامية، مما يتركهم يعتمدون على البيانات المنتجة بواسطة الآخرين.
أصبحت الأدوات المدفوعة بالذكاء الاصطناعي بديلاً أسرع وفي كثير من الحالات أكثر دقة يمكن إنتاجه بسهولة على جهاز كمبيوتر محمول. تستخدم تعلم الآلة الذي يستند إلى بيانات الطقس مفتوحة المصدر لمدة أربعين عامًا لرصد الأنماط وتحديد الاتجاهات التي يمكن أن تساعد في التنبؤ بما هو قادم. قالت عالمة الكمبيوتر إيمي مكغوفرن، التي تقود معهد NSF AI للأبحاث حول الذكاء الاصطناعي الموثوق به في الطقس والمناخ وعلم المحيطات الساحلية بجامعة أوكلاهوما: “إنهم يستخدمون الماضي لتدريب النموذج ليتعلم أساساً الفيزياء”.
يمكن للأساليب المدفوعة بالذكاء الاصطناعي التي طورتها شركات مثل جوجل وجامعة أكسفورد وNVIDIA تقديم توقعات دقيقة خلال دقائق معدودة، مما يمنح الحكومات مزيدًا من الوقت للاستعداد والاستجابة. قال ديون هاريس الذي يقود مركز البيانات المعجل لدى NVIDIA لـ Grist: “تساعد التحديثات الأكثر تكرارًا الوكالات على مراقبة الظروف المتطورة بسرعة مثل مسارات العواصف”. “هذا يحسن اتخاذ القرار بشأن تخطيط الإخلاء وحماية البنية التحتية وتخصيص الموارد.”
بينما تنطلق خدمات التوقع الجوي الخاصة ، فمن يبقى خلف الركب؟
يمكن للمستخدمين مثل علماء الأرصاد الحكومية في نيروبي تعزيز هذه النماذج باستخدام بيانات محلية حول أشياء مثل درجة حرارة الأرض والرطوبة وبيانات الأقمار الصناعية المجانية لتخصيص التوقعات لمناطق جغرافية محددة . تعمل إدارة الأرصاد الجوية الكينية مع أكسفورد والمركز الأوروبي للتوقعات الجوية متوسطة المدى وجوجل وبرنامج الأغذية العالمي على نموذج ذكاء اصطناعي يُحسن دقة توقعات الأمطار.
من بين خمسة نماذج تقليدية تستخدمها إدارة الأرصاد الجوية الكينية ، يوفر أربعة فقط الرسوم البيانية والخرائط المجانية التي تدرسها وانغاري عن كثب . يتطلب الوصول إلى بيانات التوقع دفع رسوم ترخيص أو امتلاك جهاز كمبيوتر فائق لتشغيل النماذج . بدلاً من ذلك ، تقوم هي وزملاؤها بتحليل البيانات مفتوحة المصدر التي يتلقونها لمعرفة ما سيحدث . يسمح لهم نموذج تعلم الآلة المطور بالتعاون مع أكسفورد بتقييم بيانات التوقع الفعلية لتحديد احتمال حدوث أحوال جوية متطرّفة . قالت : “لأول مرة ، نحن قادرون على إنتاج ما تسميه بالتوقعات الاحتمالية”. “من المرجح أن يتخذ الناس إجراءً إذا أعطيتموهم احتمالية حدوث شيء.”
قالت : “الآن يمكننا قول أشياء مثل ، ‘هذه المنطقة ستشهد تساقط أمطار بمقدار إنشين خلال الـ24 ساعة القادمة وهناك احتمال بنسبة 75 بالمئة بأن هذا الحد سيتم تجاوزه’.”
تستغرق نماذج الذكاء الاصطناعي دقائق فقط لإنتاج توقع ، مما يوفر القدرة لتشغيل المزيد منها واستقصاء مجموعة واسعة ممكنة النتائج . وهذا يسمح للسلطات بلعب ما تسميه مكغوفرن “لعبة ماذا لو” وقول : “إذا حدث هذا ، نحتاج إلى إخلاء هذه المنطقة” أو “إذا حدث ذلك ، قد نرغب باتخاذ هذا الإجراء”. ويمكنهم توقّع السيناريو الأكثر احتمالية أو الاستعداد للأسوأ عن طريق إجلاء الأشخاص ذوي الإعاقة مسبقاً.
لقد أثبتت الطريقة المستخدمة بتعلم الآلة والتي طورتها أكسفورد وتستخدمها وانغاري أنها أكثر فعالية مقارنة بأساليب أخرى للتنبؤ بالأمطار . وهذا ليس غير معتاد حيث إن GenCast التابعة لجوجل…
في الشهر الماضي، تم الكشف عن نموذج جديد للتنبؤ بالطقس يعتمد على الذكاء الاصطناعي، وقد تفوق على النماذج التقليدية في 97% من 1320 مقياسًا. أثبت النموذج السابق، GraphCast، أنه أكثر دقة من الأداة التقليدية الرائدة عالميًا التي يديرها المركز الأوروبي للتنبؤات الجوية متوسطة المدى. قال فلوريان بابنبرغر، نائب المدير العام للمركز الأوروبي: “الذكاء الاصطناعي ينتج نتائج أفضل بكثير من النماذج المعتمدة على الفيزياء”. كما أن هذا النموذج يعمل بشكل أسرع أيضًا؛ حيث أنتج GenCast توقعات لمدة 15 يومًا في غضون ثماني دقائق، وتزعم NVIDIA أن FourCastNet أسرع بـ 45,000 مرة من التنبؤ العددي للطقس.
لقد أثبت الذكاء الاصطناعي أيضًا دقته في توقع مسارات الأعاصير. حيث تنبأ GraphCast بدقة بمكان هبوط إعصار لي الذي اجتاز شمال المحيط الأطلسي في سبتمبر 2023 قبل تسعة أيام من وصوله إلى نوفا سكوشا – وثلاثة أيام قبل الطرق التقليدية للتنبؤ بالطقس، وفقًا لما ذكره عالم من جوجل لصحيفة فاينانشال تايمز. كما توقعت نموذجين آخرين قائمين على التعلم الآلي مسار إعصار ميلتون عبر خليج المكسيك بدقة قريبة، رغم أنهما قدرا رياح العاصفة وضغطها الجوي بشكل أقل مما هو عليه بالفعل، حسبما قالت شروتي ناث الباحثة المناخية في مشروع أكسفورد. ومع ذلك، يُتوقع أن تتحسن هذه الأدوات مع تصحيح الأخطاء وضبط النماذج.
بالطبع ، فإن التوقعات تكون مفيدة فقط بقدر ما تؤدي إلى إجراءات استباقية مناسبة. يجب على الباحثين الذين يقومون بتطوير هذه النماذج العمل مع خبراء الأرصاد الجوية المحليين وغيرهم ممن لديهم خبرة إقليمية لفهم ما تعنيه تلك التوقعات بالنسبة للمجتمعات والاستجابة وفقاً لذلك.
لا تزال هناك أسئلة حول مدى قدرة التعلم الآلي على توقع الحالات الاستثنائية مثل الفيضانات التي تحدث مرة واحدة كل قرن والتي تتجاوز مجموعات البيانات المستخدمة لتدريبها. ومع ذلك ، قال بابنبرغر: ”إنها تمثل التطرف بشكل أفضل مما توقع الكثير منا في البداية”. وأضاف: “ربما تعلموا المزيد عن الفيزياء مما افترضناه”. لا تنتج هذه الأدوات بعد جميع المخرجات التي يستخدمها المتنبئون عادةً مثل الغيوم والضباب وتساقط الثلوج ، لكن بابنبرغر واثق بأن ذلك سيأتي مع الوقت.
يمكن للمستخدمين أيضًا الاستفادة من نماذج هجينة مثل NeuralGCM الخاصة بجوجل والتي تجمع بين التعلم الآلي والفيزياء ، وهو نهج يقدم فوائد الذكاء الاصطناعي مثل السرعة مع القدرة على التنبؤ طويل الأمد وغيرها من نقاط القوة للنموذج العددي للطقس.
بينما تهدف التوقعات المحسنة لمساعدة المجتمعات في مواجهة تغير المناخ ، إلا أنها تحمل مخاطر إضافية تساهم فيه أيضاً. فالمراكز البيانية المطلوبة لتشغيل الذكاء الاصطناعي تستهلك طاقة كبيرة لدرجة أن شركات مثل جوجل ومايكروسوفت تلجأ إلى محطات الطاقة النووية لتوفير الطاقة اللازمة لها. ومع ذلك ، فإن الحواسيب العملاقة اللازمة لتشغيل نمذجة الطقس العددية تستهلك طاقة كبيرة أيضًا ، ويُعتقد أن GraphCast يمكن أن يكون أرخص بمقدار ألف مرة فيما يتعلق باستهلاك الطاقة.
لتحقيق إمكانيات نماذج الذكاء الاصطناعي لجعل التنبؤ أكثر ديمقراطيةً ، تعتقد مكغفرن أن التعاون بين القطاعات سيكون مفتاح النجاح. فالقوة الحاسوبية اللازمة لتدريب النماذج تكمن أساساً لدى الصناعة بينما تتمتع الأكاديميا – التي تكتب الكثير من الشيفرات وتقدمها عبر منصة البرمجيات العامة GitHub - برفاهية عدم الحاجة إلى تقديم تقارير ربع سنوية والحكومة كجهة مستخدمة نهائية تعرف ما هو مطلوب لإنقاذ الأرواح.
حالياً يعمل الباحثون والقطاع الخاص معاً عن كثب لتحسين التكنولوجيا . قال بابنبرغر: “هناك الكثير من التعاون والكثير من النسخ المتبادل ومحاولة التحسين بناءً على ما أنتجه الآخرون”. العديد من هذه الأدوات متاحة مجانًا للباحثين ولكن إمكانية الوصول إليها تختلف بالنسبة للآخرين بدءًا من عدم التكلفة وصولاً إلى تكلفة منخفضة أو سعر يعتمد على الميزات المستخدمة أو شراء أجهزة محددة . ومع ذلك فإن النماذج أرخص بكثير مقارنة بالحواسيب العملاقة وستسمح لهيئات مثل إدارة الأرصاد الجوية الكينية بإنشاء توقعات مصممة خصيصًا لاحتياجاتهم المحلية بسرعة وسهولة وبجزء بسيط جداً مقارنة بالنماذج المعتمدة على الفيزياء .
يتطلب إعداد تنبؤ ذي صلة للأشخاص مثلاً في نيروبي أو مومباسا باستخدام أدوات تقليدية تكبير الخرائط العالمية للحصول على مزيدٍ مِن التفاصيل ثم تحليل كمية كبيرة مِن البيانات يدويّاً . قالت : “مع التعلم الآلي يمكنك إنتاج تنبؤ لنقطة معينة طالما لديك الإحداثيات الدقيقة”. وهذا سيسهل كثيراً عليها وعلى الآخرين الذين يقومون بأعمال مشابهة رؤية ماذا يخبئه الطقس وفي النهاية إنقاذ الأرواح.
