الذكاء الاصطناعي بارع في التنبؤ بالطقس. هل يستطيع التنبؤ بالظواهر الجوية غير المتوقعة؟
يمكن لنماذج الذكاء الاصطناعي القوية بشكل متزايد إجراء تنبؤات جوية قصيرة المدى بدقة مذهلة. لكن الشبكات العصبية لا تتنبأ إلا بناءً على أنماط من الماضي – ماذا يحدث عندما يفعل الطقس شيئًا غير مسبوق في التاريخ المسجل؟ تختبر دراسة جديدة بقيادة علماء من جامعة شيكاغو، بالتعاون مع جامعة نيويورك وجامعة كاليفورنيا سانتا كروز، حدود التنبؤ بالطقس المدعوم بالذكاء الاصطناعي. في بحث نُشر في 21 مايو في وقائع الأكاديمية الوطنية للعلوم ، وجدوا أن الشبكات العصبية لا يمكنها التنبؤ بالأحداث الجوية بما يتجاوز نطاق بيانات التدريب الحالية – مما قد يتجاهل أحداثًا مثل فيضانات 200 عام أو موجات حر غير مسبوقة أو أعاصير هائلة.
قال الباحثون إن هذا القيد مهمٌّ بشكل خاص، إذ يُدمج الباحثون الشبكات العصبية في التنبؤات الجوية التشغيلية، وأنظمة الإنذار المبكر، وتقييمات المخاطر طويلة المدى. وأشاروا أيضًا إلى وجود طرق لمعالجة هذه المشكلة من خلال دمج المزيد من الرياضيات والفيزياء في أدوات الذكاء الاصطناعي.
قال بيدرام حسن زاده، الأستاذ المشارك في العلوم الجيوفيزيائية بجامعة شيكاغو والمؤلف المشارك في الدراسة: “تُعدّ نماذج الطقس المُطوّرة بالذكاء الاصطناعي من أهم إنجازات الذكاء الاصطناعي في مجال العلوم. ما وجدناه هو أنها رائعة، ولكنها ليست سحرية”. وأضاف: “لم نمتلك هذه النماذج إلا لبضع سنوات، لذا هناك مجال واسع للابتكار”.
تعمل أنظمة الذكاء الاصطناعي للتنبؤ بالطقس بطريقة مماثلة للشبكات العصبية الأخرى التي يتفاعل معها العديد من الأشخاص الآن، مثل ChatGPT.
في الأساس، يُدرَّب النموذج عن طريق إدخال مجموعة من النصوص أو الصور فيه، وطلب منه البحث عن أنماط. ثم، عندما يطرح المستخدم سؤالاً على النموذج، يُراجع النموذج ما رآه سابقًا، ويستخدمه للتنبؤ بالإجابة. في حالة التنبؤات الجوية، يُدرّب العلماء الشبكات العصبية بتزويدها ببيانات طقس تمتد لعقود. بعد ذلك، يُمكن للمستخدم إدخال بيانات حول أحوال الطقس الحالية، ثم يطلب من النموذج التنبؤ بالطقس للأيام القليلة القادمة.
إنّ نماذج الذكاء الاصطناعي بارعةٌ جدًا في هذا المجال. وبشكلٍ عام، يمكنها تحقيق دقةٍ تُضاهي دقةَ نموذج طقسٍ متطورٍ قائمٍ على حاسوبٍ فائق، والذي يستهلك وقتًا وطاقةً أكبرَ بعشرةِ آلافٍ إلى مئةِ ألفِ مرة، وفقًا لحسن زاده. حيث قال: “هذه النماذج تُعطي نتائج ممتازة جدًا في حالة الطقس اليومية. ولكن ماذا لو شهدنا حالة مناخية استثنائية الأسبوع المقبل؟”
القلق هو أن الشبكة العصبية تعتمد فقط على بيانات الطقس المتوفرة لدينا حاليًا، والتي تعود إلى حوالي 40 عامًا. لكن هذا ليس النطاق الكامل لتوقعات الطقس المحتملة. على سبيل المثال، قال حسن زاده: “كانت الفيضانات التي سببها إعصار هارفي عام ٢٠١٧ تُعتبر حدثًا نادرًا كل ألفي عام. إنها واردة الحدوث”. ويُطلق العلماء أحيانًا على هذه الأحداث اسم “أحداث البجعة الرمادية”. ورغم أنها لا تُصنّف تمامًا كأحداث البجعة السوداء – مثل الكويكب الذي قضى على الديناصورات – إلا أنها مُدمّرة محليًا.
فقرر الفريق اختبار حدود نماذج الذكاء الاصطناعي باستخدام الأعاصير كمثال. دربوا شبكة عصبية باستخدام بيانات الطقس التي جُمعت على مدى عقود، لكنهم استبعدوا جميع الأعاصير الأقوى من الفئة الثانية. ثم زودوها بحالة جوية تؤدي إلى إعصار من الفئة الخامسة في غضون أيام قليلة. هل يستطيع النموذج الاستقراء للتنبؤ بقوة الإعصار؟ وكان الجواب لا.
قال يونغ تشيانغ صن، الباحث العلمي في جامعة شيكاغو والمؤلف المشارك الآخر في الدراسة: “دائمًا ما يُقلل النموذج من شأن الحدث. يعلم النموذج أن شيئًا ما قادم، لكنه يتنبأ دائمًا بأنه سيكون إعصارًا من الفئة الثانية فقط”.
هذا النوع من الأخطاء، المعروف بالنتائج السلبية الخاطئة، يُعدّ أمرًا بالغ الأهمية في التنبؤ بالطقس. إذا أشارت التوقعات إلى أن العاصفة ستكون إعصارًا من الفئة الخامسة، ثم تبيّن أنها من الفئة الثانية فقط، فهذا يعني إجلاء أشخاص ربما لم يكونوا بحاجة إلى ذلك، وهو أمر غير مثالي . أما إذا قلّلت التوقعات من تقدير إعصار وتبيّن أنه من الفئة الخامسة، فستكون العواقب أسوأ بكثير.
تحذيرات الأعاصير وأهمية الفيزياء
الفرق الكبير بين الشبكات العصبية ونماذج الطقس التقليدية هو أن النماذج التقليدية “تفهم” الفيزياء. حيث يصممها العلماء لدمج فهمنا للرياضيات والفيزياء التي تحكم ديناميكيات الغلاف الجوي والتيارات النفاثة وظواهر أخرى. لكن الشبكات العصبية لا تفعل أيًا من ذلك. مثل ChatGPT، وهو في الأساس آلة نصية تنبؤية، فهي ببساطة تراقب أنماط الطقس وتقترح ما سيحدث لاحقًا، بناءً على ما حدث في الماضي.
لا توجد حاليًا أي خدمة رئيسية تعتمد على نماذج الذكاء الاصطناعي وحدها للتنبؤ. ولكن مع توسع استخدامها، سيتعين أخذ هذا التوجه في الاعتبار، وفقًا لحسن زاده.
بدأ الباحثون، من خبراء الأرصاد الجوية إلى خبراء الاقتصاد، باستخدام الذكاء الاصطناعي لتقييم المخاطر طويلة المدى. على سبيل المثال، قد يطلبون من الذكاء الاصطناعي توليد العديد من الأمثلة لأنماط الطقس، لنتمكن من رصد أشد الظواهر الجوية تطرفًا التي قد تحدث في كل منطقة مستقبلًا. ولكن إذا لم يتمكن الذكاء الاصطناعي من التنبؤ بظواهر أقوى مما رصده سابقًا، فستكون فائدته محدودة في هذه المهمة الحاسمة. ومع ذلك، وجدوا أن النموذج قادر على التنبؤ بأعاصير أقوى إذا وُجدت سابقة، حتى في أماكن أخرى من العالم، في بيانات التدريب. على سبيل المثال، إذا حذف الباحثون جميع أدلة الأعاصير الأطلسية وتركوا أعاصير المحيط الهادئ، فيمكن للنموذج الاستقراء للتنبؤ بأعاصير الأطلسية.
ووضح حسن زاده “كانت هذه النتيجة مفاجئة ومشجعة: فهي تعني أن النماذج قادرة على التنبؤ بحدث لم يكن موجودا في منطقة واحدة ولكنه حدث من حين لآخر في منطقة أخرى”.
واقترح الباحثون أن الحل هو البدء في دمج الأدوات الرياضية ومبادئ الفيزياء الجوية في النماذج القائمة على الذكاء الاصطناعي. وقال حسن زاده: “الأمل هو أنه إذا كانت نماذج الذكاء الاصطناعي قادرة حقًا على تعلم ديناميكيات الغلاف الجوي، فسوف تكون قادرة على معرفة كيفية التنبؤ بأحداث البجعة الرمادية”.
أما كيفية تحقيق ذلك فإنه مجال بحثي هام. أحد الأساليب الواعدة التي يتبعها الفريق هو التعلم النشط، حيث يساعد الذكاء الاصطناعي في توجيه نماذج الطقس التقليدية القائمة على الفيزياء لإنشاء المزيد من أمثلة الأحداث المتطرفة، والتي يمكن استخدامها بعد ذلك لتحسين تدريب الذكاء الاصطناعي.
