الذكاء الاصطناعي GenCast جيد في التنبؤ بالطقس
تاريخ النشر: 6th, December 2024 GMT
عندما هبطت هيلين في فلوريدا في وقت سابق من هذا العام، فقد 234 شخصًا حياتهم بسبب أسوأ إعصار يضرب البر الرئيسي للولايات المتحدة منذ كاتارينا في عام 2005. إن الكوارث الطبيعية مثل هذه، وشدتها المتزايدة بسبب تغير المناخ، هي التي دفعت العلماء إلى تطوير أنظمة تنبؤ بالطقس أكثر دقة. في يوم الأربعاء، أعلن قسم DeepMind التابع لشركة Google عن ما قد يُعتبر أهم تقدم في هذا المجال منذ ما يقرب من ثمانية عقود من العمل.
في منشور على مدونة Google Keyword، قام إيلان برايس وماثيو ويلسون من DeepMind بتفصيل GenCast، أحدث وكيل ذكاء اصطناعي للشركة. وفقًا لـ DeepMind، فإن GenCast ليس أفضل فقط في تقديم توقعات الطقس اليومية والقاسية من برنامج الطقس الذكي السابق، ولكنه يتفوق أيضًا على أفضل نظام تنبؤ قيد الاستخدام حاليًا، والذي يتم صيانته بواسطة المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF). في الاختبارات التي قارنت بين توقعات الطقس لمدة 15 يومًا التي أنتجها النظامان للطقس في عام 2019، كان GenCast، في المتوسط، أكثر دقة من نظام ENS التابع لـ ECMWF بنسبة 97.2 في المائة من الوقت. مع أوقات تسليم أكبر من 36 ساعة، كان نظام DeepMind أكثر دقة بنسبة 99.8 في المائة.
قال ريمي لام، العالم الرئيسي في برنامج الطقس AI السابق لـ DeepMind، لصحيفة نيويورك تايمز: "أنا متردد بعض الشيء في قول ذلك، لكن الأمر يبدو وكأننا حققنا تحسينات تستحق عقودًا من الزمان في عام واحد". "نحن نشهد تقدمًا سريعًا حقًا، حقًا".
GenCast هو نموذج انتشار، وهو نفس التقنية التي تعمل على تشغيل أدوات الذكاء الاصطناعي التوليدية من Google. درب DeepMind البرنامج على ما يقرب من 40 عامًا من بيانات الطقس عالية الجودة التي تم تنظيمها بواسطة المركز الأوروبي للتنبؤات الجوية متوسطة المدى. التوقعات التي يولدها النموذج الجديد احتمالية، مما يعني أنها تأخذ في الاعتبار مجموعة من الاحتمالات التي يتم التعبير عنها بعد ذلك كنسب مئوية. تعتبر النماذج الاحتمالية أكثر دقة وفائدة من نظيراتها الحتمية، والتي لا تقدم سوى أفضل تخمين لما قد يكون عليه الطقس في يوم معين. كما أن الأولى أصعب في إنشائها وحسابها.
في الواقع، ربما يكون الأمر الأكثر لفتًا للانتباه في GenCast هو أنه يتطلب طاقة حوسبة أقل بكثير من توقعات المجموعة التقليدية القائمة على الفيزياء مثل ENS. وفقًا لجوجل، يمكن لوحدة معالجة واحدة من وحدات معالجة TPU v5 الخاصة بها إنتاج توقعات GenCast لمدة 15 يومًا في ثماني دقائق. على النقيض من ذلك، قد يستغرق الأمر من حاسوب عملاق به عشرات الآلاف من المعالجات ساعات لإنتاج توقعات قائمة على الفيزياء.
بالطبع، GenCast ليس مثاليًا. أحد المجالات التي يمكن للبرنامج أن يوفر تنبؤات أفضل بشأنها هو شدة الأعاصير، على الرغم من أن فريق DeepMind أخبر صحيفة The Times أنه واثق من أنه يمكنه إيجاد حلول للعيوب الحالية للوكيل. في غضون ذلك، تجعل Google من GenCast نموذجًا مفتوحًا، مع وجود رمز مثال للأداة متاحًا على GitHub. كما ستشق تنبؤات GenCast طريقها قريبًا إلى Google Earth.
المصدر: بوابة الوفد
كلمات دلالية: أکثر دقة
إقرأ أيضاً:
ثورة تعيد تشكيل العمران.. مدن المستقبل بهندسة الذكاء الاصطناعي
هل شعرت يوماً وأنت عالق في زحمة مرورية أن هناك طريقة أفضل لتصميم المدينة؟ أو مررت بجانب مبنى ضخم وتساءلت عن حجم استهلاكه للطاقة؟
على مدى عقود، ظل بناء المدن عملية بطيئة ومعقدة، تعتمد غالباً على التخمينات المدروسة والتجارب السابقة. لكن ماذا لو منحنا مخططي المدن «قوى خارقة»؟ ماذا لو استطاعوا التنبؤ بسيناريوهات مستقبلية متعددة قبل أن يبدأ العمل فعلياً على الأرض؟
هذا بالضبط ما يحدث اليوم، والسر يكمن في الذكاء الاصطناعي.
يشرح شاه محمد، قائد ابتكار الذكاء الاصطناعي في شركة «سويكو»، أن الذكاء الاصطناعي يُحدث ثورة في تصميم المدن وتخطيط البنية التحتية عبر تحسين العمليات، وتعزيز اتخاذ القرار، وتحقيق نتائج أكثر استدامة. يتيح الذكاء الاصطناعي لفريقه تحليل كميات ضخمة من البيانات، ومحاكاة سيناريوهات متعددة، وخلق بيئات حضرية أكثر كفاءة ومرونة، وفقاً لموقع «آي أي نيوز» المتخصص في دراسات الذكاء الاصطناعي.
ويؤكد شاه أن الذكاء الاصطناعي يمنح فريقه القدرة على طرح الأسئلة الحاسمة التي تؤثر على حياة السكان: «كيف نبني هذا الحي بأذكى طريقة لتقليل الازدحام والتلوث؟ وكيف نصمم مبنى يحافظ على برودته خلال موجات الحر دون أن ترتفع فواتير الكهرباء؟» حيث يمكن للذكاء الاصطناعي حساب آلاف الاحتمالات لاختيار الحل الأمثل.
لكن الواقع معقد، ويصعب محاكاته بدقة. فالطقس غير المتوقع، والتأخيرات، والفوضى البشرية تمثل تحديات كبيرة.
ويقول شاه: «التحدي الأكبر في تطبيق نماذج البيانات على الواقع يكمن في تعقيد وتغير الظروف البيئية. من الضروري أن تمثل النماذج هذه الظروف بدقة وأن تكون قادرة على التكيف معها».
ولتجاوز هذه العقبات، يبدأ الفريق بتنظيم بياناته وضمان جودتها، موضحاً: «نطبق ممارسات صارمة لإدارة البيانات، نوحد تنسيقاتها، ونستخدم أدوات برمجية قابلة للتشغيل البيني لضمان توافق البيانات عبر المشاريع.»
يضمن هذا التنظيم أن يعمل جميع أعضاء الفريق من مصدر موثوق وموحد، مما يمكّن الذكاء الاصطناعي من أداء مهامه بكفاءة ويعزز التعاون بين الفرق المختلفة.
ومن أبرز الجوانب الواعدة في استخدام الذكاء الاصطناعي دوره البيئي والإنساني. يشير شاه إلى مشروع استخدم فيه الذكاء الاصطناعي للحفاظ على التنوع البيولوجي، عبر تحديد الأنواع المهددة بالانقراض وتزويد الباحثين بالمعلومات اللازمة، ليمنح الطبيعة صوتاً في عمليات التخطيط.
ويقول شاه: «يشبه الأمر وكأن الذكاء الاصطناعي يرفع يده قائلاً: "احذروا، هناك عائلة من الطيور النادرة هنا"، ما يساعدنا على البناء باحترام البيئة المحيطة».
اقرأ أيضا.. الذكاء الاصطناعي يحدث ثورة في مجال الهندسة المعماري
أما المرحلة القادمة، فيرى شاه، فهي تحويل هذه الرؤية المستقبلية إلى دليل حي وواقعي.
ويشرح: «أكبر فرصة للذكاء الاصطناعي في قطاع العمارة والهندسة والبناء تكمن في التحليلات التنبؤية والأتمتة. من خلال توقع الاتجاهات المستقبلية، والكشف المبكر عن المشكلات، وأتمتة المهام الروتينية، يمكن للذكاء الاصطناعي رفع الكفاءة، خفض التكاليف، وتحسين جودة المشاريع.»
هذا يعني جسوراً أكثر أماناً، طرقاً تحتاج إلى صيانة أقل، واضطرابات أقل في حياة الناس. كما يحرر المواهب البشرية من الأعمال الروتينية لتتركز على بناء مدن المستقبل التي تلبي حاجات سكانها.
أسامة عثمان (أبوظبي)
حسام موافي: شرب الحشيش لا يحتاج لمصحة.. والترامادول يستوجب الدخول الفوري