تحتفل TechSpot بالذكرى السنوية الخامسة والعشرين لتأسيسها. TechSpot يعني التحليل الفني والمشورة يمكنك الوثوق.
شيء صغير: يعد التنبؤ بالطقس أمرًا معقدًا ومتعطشًا للطاقة، ويعتمد تقليديًا على أجهزة الكمبيوتر العملاقة القوية لمعالجة كميات هائلة من البيانات والمتغيرات. يقترح قسم DeepMind في Google الآن نهجًا بديلاً يعتمد على الذكاء الاصطناعي والذي يبدو أنه يتفوق على الطريقة المعتمدة على الكمبيوتر العملاق في ظل ظروف معينة.
GraphCast هو نموذج ذكاء اصطناعي متطور مصمم خصيصًا للتنبؤات الجوية. وفقًا لشركة Google، تتميز خوارزمية التعلم الآلي الجديدة هذه “بدقة غير مسبوقة” في التنبؤ العالمي وتعمل بسرعة ملحوظة، وتقدم التنبؤات في أقل من دقيقة واحدة.
ورد في ورقة نشرت في علوميعمل GraphCast كبديل لـ “التنبؤ العددي بالطقس” التقليدي. تسلط الورقة الضوء على الطاقة المتزايدة وموارد الحوسبة التي تتطلبها النماذج المعتمدة على الكمبيوتر العملاق لتعزيز دقة التنبؤ، ويتناقض ذلك مع قدرة GraphCast على تحقيق نتائج متفوقة مع جزء صغير من متطلبات الطاقة المتزايدة.
الذكاء الاصطناعي من Google قادر على التنبؤ بمئات من متغيرات الطقس على مستوى العالم خلال فترة 10 أيام بدقة 0.25 درجة. وفقًا لباحثي Google، فإن النموذج “يتفوق بشكل كبير” على الأنظمة الأكثر دقة في 90 بالمائة من 1380 “هدفًا للتحقق” ويتفوق في التنبؤ بالأحداث الشديدة مثل تتبع الأعاصير الاستوائية والأنهار الجوية ودرجات الحرارة القصوى.
تم تدريب نموذج GraphCast على أكثر من 40 عامًا من بيانات الطقس التاريخية التي قدمها المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF)، وهو أحد أنظمة التنبؤ الرائدة في العالم. ماثيو شانتري، منسق التعلم الآلي في ECMWF، رحب التقدم السريع الذي حققته خوارزميات الذكاء الاصطناعي في التنبؤ بالطقس، مما يشير إلى أنها تقدمت في وقت أقرب بكثير و”بشكل أكثر إثارة للإعجاب” مما كان يتوقعه الخبراء حتى قبل عامين.
يتميز GraphCast بالسرعة والدقة وكفاءة عالية في استخدام الطاقة، ويتطلب دقيقة واحدة فقط من تحميل الحوسبة على كمبيوتر سحابي من Google TPU v4. في المقابل، تحتاج أجهزة الكمبيوتر العملاقة التقليدية إلى حساب معادلات معقدة في فيزياء الغلاف الجوي، وهي عملية يمكن أن تكون أكثر تكلفة بألف مرة من حيث تكاليف الطاقة مقارنة بعملية GraphCast.
على الرغم من إنجازاته الرائعة، لا يزال لدى GraphCast بعض القيود الجديرة بالملاحظة. لا يمكن لنموذج الذكاء الاصطناعي أن يتفوق على الطريقة المعتمدة على الكمبيوتر العملاق في جميع سيناريوهات التنبؤ، ولا يمكنه توفير نفس المستوى من التفاصيل والتفاصيل في التنبؤات مثل التكنولوجيا التقليدية.
يؤكد Google DeepMind أن نهج GraphCast القائم على الذكاء الاصطناعي يمكن أن يكون بمثابة أداة تكميلية لأنظمة الطقس في الكمبيوتر العملاق ولن يحل محلها في أي وقت قريب. تخطط ECMWF بالفعل لتطوير نموذج الذكاء الاصطناعي الخاص بها للتكامل مع نظام التنبؤ العددي بالطقس.