پیش‌بینی وضعیت آب‌وهوا یکی از حوزه‌هایی است که هوش مصنوعی در حال تغییر اساسی آن است. شرکت گوگل با معرفی جدیدترین مدل هوش مصنوعی خود با نام WeatherNext 3، گام دیگری برای افزایش دقت، سرعت و جزئیات پیش‌بینی‌های جوی برداشته است؛ مدلی که قرار است بخشی از اطلاعات مورد استفاده در سرویس‌هایی مانند جست‌وجوی گوگل، Google Maps و Gemini را تأمین کند.

این مدل توسط دانشمندان Google DeepMind و Google Research توسعه یافته و علاوه بر محصولات گوگل، از طریق پلتفرم‌های ابری این شرکت در اختیار کاربران و پژوهشگران نیز قرار خواهد گرفت.

WeatherNext 3 چه تفاوتی با مدل‌های قبلی دارد؟

WeatherNext 3 جدیدترین نسل از مدل‌های پیش‌بینی آب‌وهوای مبتنی بر یادگیری عمیق است. طبق ارزیابی‌های انجام‌شده در Operational WeatherBench، این مدل در میان رقبای اصلی هوش مصنوعی عملکرد دقیق‌تری داشته است.

این ارزیابی متغیرهایی مانند دما، سرعت باد و رطوبت را بررسی می‌کند. WeatherNext 3 نه‌تنها از برخی مدل‌های هوش مصنوعی توسعه‌یافته توسط گوگل، مایکروسافت و انویدیا عملکرد بهتری نشان داده، بلکه در برخی معیارها از پیش‌بینی‌های سنتی سرویس هواشناسی آمریکا و مرکز اروپایی پیش‌بینی‌های میان‌مدت آب‌وهوا (ECMWF) نیز پیشی گرفته است.

یکی از مهم‌ترین تغییرات این مدل، افزایش جزئیات مکانی و زمانی پیش‌بینی‌هاست. WeatherNext 3 در متغیرهای مهم جوی می‌تواند پیش‌بینی‌هایی با وضوح حدود ۵ کیلومتر ارائه کند؛ در حالی که بسیاری از مدل‌های هوش مصنوعی قبلی در محدوده‌ای حدود ۱۵ تا ۲۵ کیلومتر کار می‌کردند.

پیش‌بینی باران و وضعیت ساعتی هوا دقیق‌تر می‌شود

بارش باران یکی از دشوارترین بخش‌های پیش‌بینی وضعیت آب‌وهوا برای مدل‌های هوش مصنوعی بوده است. گوگل اعلام کرده ارزیابی عملکرد WeatherNext 3 در زمینه بارش نسبت به WeatherNext 2 حدود ۶۰ درصد بهبود یافته است.

این مدل همچنین می‌تواند به جای ارائه پیش‌بینی در فاصله‌های شش‌ساعته، وضعیت هوا را به‌صورت ساعتی پیش‌بینی کند. چنین قابلیتی می‌تواند برای فعالیت‌هایی که به تغییرات کوتاه‌مدت آب‌وهوا وابسته هستند، اهمیت زیادی داشته باشد؛ از حمل‌ونقل و سفر گرفته تا کشاورزی و تولید انرژی.

استفاده از داده‌های واقعی و ماهواره‌ای

یکی از دلایل افزایش سرعت پیش‌بینی در WeatherNext 3، توانایی آن در دریافت داده‌های ماهواره‌ای آب‌وهوا به‌صورت ساعتی و در زمان نزدیک به واقعی است.

در روش‌های سنتی، ابررایانه‌های هواشناسی حجم عظیمی از معادلات ریاضی مربوط به فیزیک جو را پردازش می‌کنند. این سیستم‌ها طی دهه‌های گذشته به دقت بسیار بالایی رسیده‌اند، اما اجرای آنها به زیرساخت محاسباتی قدرتمند و پرهزینه نیاز دارد.

در مقابل، مدل‌های یادگیری عمیق می‌توانند با بررسی حجم بسیار زیادی از داده‌های قبلی، الگوهای پیچیده موجود در رفتار جو را یاد بگیرند و پیش‌بینی را با سرعت بسیار بیشتری انجام دهند.

WeatherNext 3 همچنین تلاش می‌کند مستقیماً از مشاهدات خام جوی استفاده کند. این رویکرد از نظر فنی پیچیده است، زیرا داده‌های خام برخلاف مجموعه‌داده‌های استانداردشده‌ای که توسط سازمان‌های هواشناسی تولید می‌شوند، ساختار یکسان و آماده‌ای برای استفاده در مدل ندارند.

مدل جدید گوگل چقدر بزرگ‌تر شده است؟

WeatherNext 3 از نظر ساختار نیز نسبت به نسل قبلی توسعه پیدا کرده است. تعداد پارامترهای این مدل حدود ۲.۴ برابر WeatherNext 2 شده و طراحی بخش‌های مختلف آن به‌گونه‌ای انجام گرفته که خروجی‌های کاربردی‌تری ارائه دهد.

یکی دیگر از ویژگی‌های مهم، تمرکز مدل بر ایستگاه‌های مشخص هواشناسی است. به عنوان مثال، مدل می‌تواند پیش‌بینی کند که یک ایستگاه هواشناسی مشخص، مانند ایستگاه فرودگاه دنور، در یک ساعت خاص چه شرایطی را ثبت خواهد کرد.

این قابلیت علاوه بر افزایش جزئیات پیش‌بینی، امکان مقایسه مستقیم خروجی مدل با داده‌های واقعی ثبت‌شده در ایستگاه‌ها را نیز فراهم می‌کند و به پژوهشگران اجازه می‌دهد عملکرد سیستم را دقیق‌تر ارزیابی کنند.

هوش مصنوعی چگونه آینده هواشناسی را تغییر می‌دهد؟

پیشرفت مدل‌هایی مانند WeatherNext 3 تنها به نمایش دمای دقیق‌تر روی تلفن همراه یا پیدا کردن زمان مناسب برای برداشتن چتر محدود نمی‌شود. کاهش هزینه و افزایش سرعت پیش‌بینی می‌تواند پیامدهای اقتصادی گسترده‌ای داشته باشد.

بسیاری از کشورهای کم‌برخوردار به دلیل هزینه بالای تجهیزات سنجش، ابررایانه‌ها و زیرساخت‌های پیچیده، دسترسی محدودی به پیش‌بینی‌های بسیار دقیق دارند. مدل‌های هوش مصنوعی می‌توانند بخشی از این شکاف را کاهش دهند و امکان ارائه خدمات هواشناسی سریع‌تر و کم‌هزینه‌تر را فراهم کنند.

این فناوری همچنین می‌تواند برای کشاورزی، مدیریت منابع آب و انرژی‌های تجدیدپذیر اهمیت داشته باشد. پیش‌بینی دقیق‌تر بارش، باد و پوشش ابر می‌تواند به کشاورزان در تصمیم‌گیری بهتر کمک کند و از سوی دیگر، قابلیت پیش‌بینی تولید برق در پروژه‌های خورشیدی و بادی را افزایش دهد.

WeatherNext 3 و آینده پیش‌بینی آب‌وهوا

انقلاب هوش مصنوعی در هواشناسی هم‌زمان با پیشرفت مدل‌های Transformer در سایر حوزه‌های فناوری در حال گسترش است. سازمان‌های هواشناسی اروپا و آمریکا نیز به‌تدریج از مدل‌های هوش مصنوعی در کنار سیستم‌های سنتی استفاده می‌کنند.

با این حال، هوش مصنوعی هنوز جایگزین کامل زیرساخت‌های سنتی هواشناسی نشده است و مدل‌های جدید همچنان به داده‌های سازمان‌های ملی هواشناسی وابسته‌اند. بنابراین مسیر توسعه این فناوری همچنان ادامه دارد.

WeatherNext 3 نشان می‌دهد آینده پیش‌بینی آب‌وهوا احتمالاً ترکیبی از داده‌های لحظه‌ای، هوش مصنوعی، مدل‌های فیزیکی و زیرساخت‌های سنتی هواشناسی خواهد بود؛ ترکیبی که می‌تواند پیش‌بینی وضعیت جو را از یک سرویس عمومی ساده به ابزاری بسیار دقیق‌تر برای تصمیم‌گیری‌های روزمره و اقتصادی تبدیل کند.