لا يبدو أن هذا سينجح، كما يقول ماثيو شانتري، منسق التعلم الآلي في ECWMF، الذي يقضي موسم العواصف هذا في تقييم أدائها. تم تدريب الخوارزميات التي يقوم عليها ChatGPT بتريليونات من الكلمات، تم استخراجها إلى حد كبير من الإنترنت، ولكن لا توجد عينة شاملة للغلاف الجوي للأرض. تشكل الأعاصير على وجه الخصوص جزءًا صغيرًا من بيانات التدريب المتاحة. إن كون مسارات العواصف المتوقعة بالنسبة لي وآخرين كانت جيدة جدًا يعني أن الخوارزميات قد التقطت بعض أساسيات فيزياء الغلاف الجوي.
هذه العملية تأتي مع عيوب. يقول شانتري: نظرًا لأن خوارزميات التعلم الآلي تتمسك بالأنماط الأكثر شيوعًا، فإنها تميل إلى التقليل من شدة القيم المتطرفة، مثل موجات الحرارة الشديدة أو العواصف الاستوائية. وهناك فجوات فيما يمكن أن تتنبأ به هذه النماذج. فهي ليست مصممة لتقدير هطول الأمطار، على سبيل المثال، والتي تتكشف بدقة أدق من بيانات الطقس العالمية المستخدمة لتدريبهم.
يقول شاكر محمد، مدير الأبحاث في شركة ديب مايند، إن الأمطار والأحداث المتطرفة – وهي أحداث الطقس التي يمكن القول أن الناس أكثر اهتمامًا بها – تمثل “الحالات الأكثر صعوبة” بالنسبة لنماذج الطقس المعتمدة على الذكاء الاصطناعي. هناك طرق أخرى للتنبؤ بهطول الأمطار، بما في ذلك النهج القائم على الرادار المحلي الذي طورته شركة DeepMind والمعروف باسم NowCasting، ولكن دمج الاثنين يمثل تحديًا. المزيد من البيانات الدقيقة، المتوقعة في الإصدار التالي من مجموعة بيانات ECMWF المستخدمة لتدريب نماذج التنبؤ، قد تساعد نماذج الذكاء الاصطناعي على البدء في التنبؤ بالمطر. ويستكشف الباحثون أيضًا كيفية تعديل النماذج لتكون أكثر استعدادًا للتنبؤ بالأحداث غير العادية.
عمليات فحص الأخطاء
إحدى المقارنات التي فازت بها نماذج الذكاء الاصطناعي هي الكفاءة. يريد خبراء الأرصاد الجوية ومسؤولو إدارة الكوارث بشكل متزايد ما يعرف بالتنبؤات الاحتمالية لأحداث مثل الأعاصير – وهي عبارة عن ملخص لمجموعة من السيناريوهات المحتملة ومدى احتمال حدوثها. لذلك يقوم المتنبئون بإنتاج نماذج جماعية ترسم نتائج مختلفة. في حالة الأنظمة الاستوائية، تُعرف باسم نماذج السباغيتي، لأنها تُظهر مسارات متعددة محتملة للعواصف. لكن حساب كل معكرونة إضافية قد يستغرق ساعات.
وعلى النقيض من ذلك، يمكن لنماذج الذكاء الاصطناعي إنتاج إسقاطات متعددة في دقائق. يقول ديماريا: “إذا كان لديك نموذج تم تدريبه بالفعل، فإن نموذج FourCastNet الخاص بنا يعمل خلال 40 ثانية على بطاقة رسوميات قديمة غير مستخدمة”. “لذلك يمكنك أن تفعل مثل مجموعة ضخمة كاملة لن تكون ممكنة مع النماذج المادية.”
ولسوء الحظ، فإن التنبؤات الحقيقية للمجموعات تطرح شكلين من عدم اليقين: سواء في عمليات رصد الطقس الأولية أو في النموذج نفسه. لا تستطيع أنظمة الذكاء الاصطناعي القيام بالأمر الأخير. ينبع هذا الضعف من مشكلة “الصندوق الأسود” الشائعة في العديد من أنظمة التعلم الآلي. عندما تحاول التنبؤ بالطقس، فإن معرفة مدى الشك في نموذجك أمر بالغ الأهمية. يقول Lingxi Xie، أحد كبار الباحثين في مجال الذكاء الاصطناعي في شركة Huawei، إن إضافة تفسيرات لتوقعات الذكاء الاصطناعي هو الطلب الأول من خبراء الأرصاد الجوية. ويقول: “لا يمكننا تقديم إجابة مرضية”.
على الرغم من هذه القيود، يأمل شي وآخرون أن تتمكن نماذج الذكاء الاصطناعي من توفير تنبؤات دقيقة على نطاق أوسع. لكن احتمال وضع الأرصاد الجوية التي تعمل بالذكاء الاصطناعي في أيدي أي شخص لا يزال بعيد المنال، كما يقول. يتطلب الأمر عمليات رصد جيدة للطقس لإجراء تنبؤات من أي نوع – بدءًا من الأقمار الصناعية والعوامات والطائرات وأجهزة الاستشعار – والتي يتم توجيهها من خلال أمثال NOAA وECMWF، التي تعالج البيانات في مجموعات بيانات يمكن قراءتها آليًا. إن الباحثين في مجال الذكاء الاصطناعي والشركات الناشئة والدول ذات القدرة المحدودة على جمع البيانات متعطشون لرؤية ما يمكنهم فعله بهذه البيانات الأولية، ولكن الحساسيات كثيرة، بما في ذلك الملكية الفكرية والأمن القومي.
ومن المتوقع أن تستمر مراكز التنبؤ الكبيرة هذه في اختبار النماذج قبل إزالة التسميات “التجريبية”. يقول ديماريا إن علماء الأرصاد الجوية محافظون بطبيعتهم، نظرًا للأرواح والممتلكات الموجودة على المحك، والنماذج القائمة على الفيزياء ليست على وشك الاختفاء. لكنه يعتقد أن التحسينات تعني أنه قد يكون هناك موسم أعاصير آخر أو موسمين قبل أن يلعب الذكاء الاصطناعي دورًا ما في التوقعات الرسمية. يقول: “إنهم بالتأكيد يرون الإمكانات”.
