تفاصيل نموذج التنبؤ بالطقس المدعوم بالذكاء الاصطناعى من Google GenCast

كشفت Google DeepMind عن ورقة بحثية في مجلة Nature، والتي تسلط الضوء على قدرات GenCast، وهو نموذج للتنبؤ بالطقس يعمل بالذكاء الاصطناعي من Google GenCast.

وأظهرت الدراسة أن نموذج GenCast تفوق على أفضل أنظمة التنبؤ، حيث يمكنه إنشاء توزيعات احتمالية معقدة لسيناريوهات الطقس المستقبلية. ووفرت شركة جوجل هذا النموذج من قبل قسم أبحاث الذكاء الاصطناعي لإعداد توقعات الطقس على المدى المتوسط.

وتؤكد الشركة أن النظام استطاع أن يتفوق على نماذج التنبؤ الحديثة الحالية من حيث الدقة والدقة، ومن الجدير بالذكر أيضًا أن GenCast يمكنه عمل تنبؤات جوية للخمسة عشر يومًا القادمة بدقة تصل إلى 0.25%.

مميزات جوجل جين كاست

قامت Google DeepMind بتفصيل نموذج مجموعة الذكاء الاصطناعي الجديد عالي الدقة، وسلطت الضوء على قدرة GenCast على تقديم تنبؤات جوية يومية، وادعى أنها كانت قادرة على الأداء بشكل أفضل من نظام المجموعة (ENS) التابع للمركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF).

ومن الجدير بالذكر أنه بدلاً من استخدام النهج الحتمي التقليدي للتنبؤ بالطقس، يستخدم GenCast النهج الاحتمالي، حيث تنتج نماذج التنبؤ بالطقس القائمة على النهج الحتمي توقعات واحدة محددة لمجموعة معينة من الظروف الأولية وتعتمد على معادلات دقيقة للظروف الجوية. الفيزياء والكيمياء.

ومن ناحية أخرى، فإن النماذج القائمة على النهج الاحتمالي تولد نتائج محتملة متعددة من خلال محاكاة مجموعة من الشروط الأولية ومعلمات النموذج. وهذا ما يسمى أيضًا بالتنبؤ الجماعي.

أبرزت DeepMind أن GenCast هو نموذج انتشار يتكيف مع الهندسة الكروية للأرض، مما يولد توزيعات احتمالية معقدة لسيناريوهات الطقس المستقبلية. ولتدريب نموذج الذكاء الاصطناعي، قدم الباحثون أربعة عقود من بيانات الطقس التاريخية من أرشيف ECMWF ERA5.

وفي الورقة البحثية المنشورة، قامت جوجل بتقييم أداء GenCast من خلال تدريبه على البيانات التاريخية حتى عام 2018 ثم طلبت منه تقديم تنبؤات لعام 2019. وتم استخدام 1320 مجموعة عبر متغيرات مختلفة في نقاط زمنية مختلفة. ووجد الباحثون أن GenCast كان أكثر دقة من ENS في 97.2% من الحالات. ويتم تحقيق هذه الأهداف بنسبة 99.8% خلال فترة زمنية تتجاوز 36 ساعة.