مدل هوش مصنوعی جدید دیپ‌مایند، GenCast، با توانایی پیش‌بینی دقیق و سریع رویدادهای شدید آب و هوایی، یک گام بزرگ در پیش‌بینی آب و هوا برداشته است. این مدل که با استفاده از داده‌های تاریخی چندین دهه آموزش دیده است، می‌تواند پیش‌بینی‌های ۱۵ روزه را در عرض چند دقیقه ارائه دهد. با این پیشرفت، دیپ‌مایند استاندارد جدیدی برای پیش‌بینی آب و هوا با هوش مصنوعی تعیین کرده است و راه را برای پیش‌بینی‌های سریع‌تر و قابل اعتمادتر هموار می‌کند.
GenCast دیپ‌مایند: یک پیشرفت در پیش‌بینی آب و هوای مبتنی بر هوش مصنوعی
پیش‌بینی دقیق آب و هوا مدت‌هاست که سنگ بنای تصمیم‌گیری‌های مدرن بوده و بر همه چیز از آمادگی در برابر بلایا گرفته تا کشاورزی و فعالیت‌های روزانه تأثیر می‌گذارد. با این حال، روش‌های پیش‌بینی سنتی اغلب به منابع محاسباتی عظیم و ساعت‌ها پردازش نیاز دارند. جدیدترین نوآوری دیپ‌مایند، GenCast، مدلی کاملاً مبتنی بر هوش مصنوعی است که چشم‌انداز پیش‌بینی آب و هوا را دوباره تعریف می‌کند. GenCast با سرعت و دقت بی‌نظیر، با پیشی گرفتن از مدل عملیاتی پیشرو در جهان برای پیش‌بینی‌های میان‌مدت، معیار جدیدی را تعیین کرده است.
چگونه GenCast برجسته می‌شود
برخلاف سیستم‌های پیش‌بینی متعارف که به مدل‌سازی مبتنی بر فیزیک متکی هستند، GenCast کاملاً بر اساس هوش مصنوعی ساخته شده است. آنچه آن را انقلابی می‌کند، در اینجا آمده است:
- پردازش سریع‌تر: GenCast می‌تواند با استفاده از یک تراشه پردازش هوش مصنوعی، پیش‌بینی ۱۵ روزه را تنها در ۸ دقیقه تولید کند، در تضاد کامل با مدل‌های سنتی که چندین ساعت طول می‌کشد.
- دقت بالاتر: این سیستم در برابر مدل گروهی مرکز اروپایی پیش‌بینی‌های میان‌مدت آب و هوا (European Centre for Medium-Range Weather Forecasts’ ensemble model : ENS) که استاندارد طلایی در پیش‌بینی آب و هوا محسوب می‌شود، آزمایش شد. GenCast در ۹۷٪ از معیارهای ارزیابی دقیق‌تر بود.
- پیش‌بینی آب و هوای شدید: در پیش‌بینی رویدادهای شدید آب و هوایی مانند طوفان‌ها، گرمای شدید و شرایط باد برتری دارد و بینش‌هایی را ارائه می‌دهد که می‌تواند جان و منابع را نجات دهد.
علم پشت GenCast
پیش‌بینی‌های سنتی آب و هوا، فیزیک جو را با استفاده از ابررایانه‌ها برای پردازش داده‌ها از ماهواره‌ها و ایستگاه‌های هواشناسی شبیه‌سازی می‌کنند. در حالی که این مدل‌ها طی چندین دهه اصلاح شده‌اند، اما همچنان توسط نیازهای محاسباتی و زمان پردازش محدود شده‌اند.
از سوی دیگر، GenCast رویکردی کاملاً متفاوت دارد:
- آموزش مبتنی بر هوش مصنوعی: این مدل بر روی داده‌های جهانی آب و هوا از سال ۱۹۷۹ تا ۲۰۱۸ آموزش داده شده است. با تجزیه و تحلیل الگوهای تاریخی، یاد گرفته است که روابط پیچیده بین متغیرهایی مانند فشار هوا، رطوبت، دما و باد را شناسایی کند.
- پیش‌بینی احتمالی: برخلاف برخی از سیستم‌های هوش مصنوعی که یک پیش‌بینی قطعی واحد ارائه می‌دهند، GenCast پیش‌بینی‌های گروهی تولید می‌کند. اینها پیش‌بینی‌های متعددی هستند که بر اساس شرایط اولیه کمی متفاوت انجام می‌شوند، که سپس برای تخمین نه تنها محتمل‌ترین نتایج، بلکه احتمالات آنها ترکیب می‌شوند.
- تکنیک‌های انتشار: این سیستم نویز تصادفی را در محاسبات خود برای اصلاح قابلیت اطمینان گنجانده است، روشی که الهام بخش سایر محققان برای اتخاذ رویکردهای مشابه در مدل‌های خود بوده است.
تأثیر پیش‌بینی آب و هوای هوش مصنوعی
پیامدهای GenCast فراتر از پیش‌بینی‌های دقیق است:
- تصمیم‌گیری سریع‌تر: زمان پردازش سریع به هواشناسان و برنامه‌ریزان اضطراری اجازه می‌دهد تا در واکنش به رویدادهای قریب الوقوع آب و هوایی سریع‌تر عمل کنند.
- علم باز: دیپ‌مایند کد و پارامترهای مدل GenCast را برای استفاده غیرتجاری منتشر کرده است و دسترسی به ابزارهای مدل‌سازی آب و هوای پیشرفته را دموکراتیک کرده است.
- همکاری جهانی: محققان در سراسر جهان اکنون می‌توانند سیستم را ارزیابی و بهبود بخشند و اطمینان حاصل کنند که در شرایط مختلف، از جمله سناریوهای آب و هوای شدید، به خوبی عمل می‌کند.
- الهام بخش نوآوری: GenCast قبلاً بر توسعه مدل‌های جدید مانند سیستم پیش‌بینی یکپارچه/هوش مصنوعی (Artificial Intelligence/Integrated Forecasting System : AIFS) که به دنبال ترکیب یادگیری ماشین با روش‌های سنتی است، تأثیر گذاشته است.
گامی به سوی آینده
پیش‌بینی آب و هوای هوش مصنوعی با سرعت قابل توجهی در حال پیشرفت است و بازیگران اصلی مانند هواوی و انویدیا نیز در این زمینه مشارکت دارند. در اوایل امسال، گوگل NeuralGCM را معرفی کرد، یک مدل ترکیبی که تکنیک‌های مبتنی بر فیزیک و هوش مصنوعی را ترکیب می‌کند. با این حال، رویکرد کاملاً مبتنی بر هوش مصنوعی GenCast، به ویژه در پیش‌بینی میان‌مدت، جهش قابل توجهی به جلو را نشان می‌دهد.
همانطور که ایلان پرایس، دانشمند تحقیقاتی گوگل دیپ‌مایند، توضیح می‌دهد: “ما واقعاً پیشرفت چشمگیری برای رسیدن به [مدل‌های مبتنی بر فیزیک] و اکنون پیشی گرفتن از آنها با یادگیری ماشین داشته‌ایم.” این احساس، پتانسیل دگرگون‌کننده هوش مصنوعی را در پرداختن به چالش‌های پیچیده مانند پیش‌بینی آب و هوا برجسته می‌کند.
عنصر انسانی
در حالی که فناوری‌هایی مانند GenCast نوید باورنکردنی می‌دهند، یادآوری هدف نهایی آن ضروری است: کمک به مردم. پیش‌بینی‌های دقیق و به موقع آب و هوا، جوامع را قادر می‌سازد تا برای بلایای طبیعی آماده شوند، از معیشت محافظت کنند و تصمیمات آگاهانه بگیرند.
سفر GenCast – از آموزش آن بر روی داده‌های چندین دهه گرفته تا کاربرد آن در دنیای واقعی – نشان دهنده نقطه عطفی در تقاطع هوش مصنوعی و علوم آب و هوا است. همانطور که محققان به اصلاح این مدل‌ها ادامه می‌دهند، آینده پیش‌بینی آب و هوا روشن‌تر و قابل اعتمادتر از همیشه به نظر می‌رسد.
اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: nature
