مدل‌های هوش مصنوعی پیش‌بینی آب‌وهوا

مدل‌های هوش مصنوعی پیش‌بینی آب‌وهوا اکنون از بهترین پیش‌بینی‌های سنتی پیشی می‌گیرند

یک مدل پیش‌بینی آب‌وهوا با استفاده از یادگیری ماشین به نام GenCast می‌تواند در برخی شرایط عملکرد بهتری نسبت به بهترین سیستم‌های پیش‌بینی سنتی داشته باشد. این نتیجه براساس مقاله‌ای از پژوهشگران گوگل دیپ‌مایند است که ماه گذشته در مجله Nature منتشر شد.

این سیستم با استفاده از رویکرد مدل انتشار، مشابه با مولدهای تصاویر هوش مصنوعی، چندین پیش‌بینی تولید می‌کند تا رفتار پیچیده جو را شبیه‌سازی کند. این کار را با کسری از زمان و منابع محاسباتی مورد نیاز برای روش‌های سنتی انجام می‌دهد.

نحوه عملکرد پیش‌بینی‌های آب‌وهوا

پیش‌بینی‌های آب‌وهوا معمولاً با اجرای چندین شبیه‌سازی عددی از جو به دست می‌آیند.
هر شبیه‌سازی با تخمین متفاوتی از وضعیت فعلی آب‌وهوا آغاز می‌شود، زیرا نمی‌توانیم وضعیت آب‌وهوا را در لحظه و در تمام نقاط جهان به طور دقیق اندازه‌گیری کنیم. برای این کار به سنسورهای موجود در تمام نقاط دنیا نیاز است.

این شبیه‌سازی‌ها از مدلی برای جو جهانی استفاده می‌کنند که به بلوک‌های سه‌بعدی تقسیم شده است. با حل معادلاتی که قوانین فیزیکی بنیادین طبیعت را توصیف می‌کنند، شبیه‌سازی‌ها پیش‌بینی می‌کنند که چه اتفاقی در جو رخ خواهد داد.

این شبیه‌سازی‌ها که به عنوان مدل‌های گردش عمومی شناخته می‌شوند، نیازمند قدرت محاسباتی بسیار زیادی هستند و معمولاً در ابررایانه‌ها اجرا می‌شوند.

یادگیری ماشین برای پیش‌بینی آب‌وهوا

در سال‌های اخیر، تلاش‌ها برای تولید مدل‌های پیش‌بینی آب‌وهوا با استفاده از یادگیری ماشین به سرعت گسترش یافته است. این رویکردها معمولاً قوانین طبیعت را مانند مدل‌های گردش عمومی لحاظ نمی‌کنند.

اکثر این مدل‌ها از نوعی شبکه عصبی استفاده می‌کنند که الگوها را در داده‌های تاریخی یاد می‌گیرد و یک پیش‌بینی آینده تولید می‌کند. با این حال، این پیش‌بینی‌ها با گذشت زمان جزئیات خود را از دست می‌دهند و به تدریج «صاف‌تر» می‌شوند؛ حالتی که با سیستم‌های واقعی آب‌وهوا همخوانی ندارد.

مدل GenCast

پژوهشگران گوگل دیپ‌مایند در مقاله‌ای که اخیراً منتشر کرده‌اند، مدل جدید خود با نام GenCast را توصیف کرده‌اند.

این مدل با تولید مجموعه‌ای از پیش‌بینی‌های مختلف، اثر صاف‌شدن را کاهش می‌دهد. هر پیش‌بینی کمتر صاف بوده و پیچیدگی بیشتری را که در طبیعت دیده می‌شود، شبیه‌سازی می‌کند. بهترین تخمین از آینده نیز با میانگین‌گیری از پیش‌بینی‌های مختلف به دست می‌آید.

به گفته مقاله، این رویکرد احتمالی پیش‌بینی‌هایی دقیق‌تر از بهترین سیستم پیش‌بینی عددی آب‌وهوا در جهان ارائه می‌دهد؛ سیستمی که در مرکز اروپایی پیش‌بینی‌های میان‌مدت جوی (ECMWF) استفاده می‌شود.

هوش مصنوعی مولد برای پیش‌بینی آب‌وهوا

GenCast با استفاده از داده‌های بازتحلیل‌شده بین سال‌های ۱۹۷۹ تا ۲۰۱۸ آموزش دیده است. این داده‌ها از مدل‌های گردش عمومی به دست می‌آیند که با مشاهدات تاریخی واقعی تصحیح شده‌اند تا تصویری دقیق‌تر از آب‌وهوای جهانی ارائه دهند.

مدل GenCast پیش‌بینی‌هایی از متغیرهایی مانند دما، فشار، رطوبت و سرعت باد را در سطح زمین و در ۱۳ ارتفاع مختلف انجام می‌دهد.

این مدل به عنوان یک «مدل انتشار» عمل می‌کند که مشابه مولدهای تصویر هوش مصنوعی است. با این تفاوت که به جای تولید تصویر از متن، وضعیت فعلی جو را می‌گیرد و تخمینی از وضعیت آن در ۱۲ ساعت آینده ارائه می‌دهد.

چالش‌ها در پیش‌بینی اقلیم

سیستم‌های فعلی یادگیری ماشین برای پیش‌بینی آب‌وهوا، مناسب پیش‌بینی اقلیم نیستند. سه دلیل عمده عبارتند از:

1. پیش‌بینی آب‌وهوا در بازه‌های زمانی کوتاه نیازی به تغییرات اقیانوس، زمین یا یخ دریا ندارد؛ اما این موارد برای پیش‌بینی اقلیم در چند دهه آینده بسیار مهم هستند.
2. پیش‌بینی آب‌وهوا به شدت به وضعیت فعلی آب‌وهوا وابسته است، در حالی که پیش‌بینی اقلیم بر آمارهای بلندمدت تمرکز دارد.
3. پیش‌بینی آب‌وهوا یک مسئله «داده بزرگ» است، اما پیش‌بینی اقلیم به دلیل محدودیت داده‌ها یک مسئله «داده کوچک» محسوب می‌شود.

یادگیری ماشین می‌تواند نقش مهمی در آینده پیش‌بینی آب‌وهوا و اقلیم ایفا کند، اما فیزیک بنیادین – از جمله مکانیک سیالات و ترمودینامیک – همچنان نقش کلیدی خواهد داشت.
منبع خبر : AIhub