Can AI Weather Models Predict Beyond Two Weeks? A Quantitative Benchmark and Analysis of Long Rollouts

ملخص تقني: هل يمكن لنماذج الطقس القائمة على الذكاء الاصطناعي التنبؤ بما يتجاوز الأسبوعين؟ معيار كمي وتحليل لعمليات التشغيل الطويلة

بيان المشكلة
بينما أظهرت نماذج الططقس المعتمدة على الذكاء الاصطناعي أداءً فائقاً على الحلول العددية في التنبؤات قصيرة إلى متوسطة المدى (حتى 15 يوماً)، إلا أن تطبيقها على الآفاق الزمنية الأطول لا يزال يعوقه ما يسمى بـ "عدم الاستقرار" غير المحدد بدقة. فعند تطبيق هذه النماذج بشكل تكراري تلقائي (تغذية المخرجات كمدخلات مجدداً)، غالباً ما تظهر عليها حالات فشل كارثية، مثل انفجار التنبؤات (نمو أسي غير محدود) أو تحولها إلى حالة ضبابية غير واقعية. وقبل هذا العمل، لم يكن هناك تصنيف رسمي أو إطار كمي لتوصيف أنماط الفشل هذه عبر مختلف المتغيرات والمقاييس المكانية. علاوة على ذلك، وبينما تحقق بعض نماذج محاكاة المناخ بالذكاء الاصطناعي استقراراً عقديّاً، فإن الآليات التي تمكن هذا الاستقرار في نماذج الطقس عالية الدقة ليست مفهومة جيداً.

المنهجية
أجرى المؤلفون اختباراً معيارياً شاملاً لتسعة من نماذج الطقس الرائدة المعتمدة على الذكاء الاصطناعي، تتراوح معلماتها بين 3.5 مليون و4.7 مليار معلمة، بما في ذلك بنيات مثل المحولات الرؤية (ViT)، والشبكات العصبية الرسومية (GNN)، والمؤثرات العصبية فوريه الكروية (SFNO).

• الإعداد التجريبي: خضع كل نموذج لعمليات تشغيل لمدة عامين (2,920 خطوة تكرارية تلقائية)، بدأت في 1 يناير 2021، باستخدام بيانات إعادة التحليل ERA5 كأرضية حقيقية.
• المقاييس الكمية: قدمت الدراسة ثلاثة مقاييس محددة لتصنيف عدم الاستقرار:
  1. وقت الانفجار (Blow-up Time): ويُعرف ببداية النمو الأسي غير المحدود في القيم القصوى المكانية (الحد الأدنى/الأقصى العالمي)، ويتم تحديده عبر الارتباط اللوغاريتمي الخطي في نوافذ زمنية مدتها 30 يوماً.
  2. فقدان الموسمية (Loss of Seasonuality): ويُقاس بانحراف أطياف الطاقة واسعة النطاق (أطوال موجية > 5000 كم) عن النطاق المناخي لمدة 45 يوماً متتالية على الأقل.
  3. الشوائب صغيرة النطاق (Small-Scale Artifacts): وتُقاس بنسبة أطياف الطاقة صغيرة النطاق المتوقعة (< 250 كم) مقابل ERA5 ومقابل الحالة الأولية للنموذج نفسه، للتمييز بين الضبابية المتأصلة وبين التضخم الناتج عن عملية التشغيل التكراري.
• تحليل الآلية: بحث المؤلفون في آليات الاستقرار من خلال تشويش المدخلات بضوضاء غاوسية لاختبار قدرات إزالة الضجيج، وإجراء دراسات استئصال على نسخة أصغر من النموذج الأكثر استقراراً (Aurora) لعزل العوامل المعمارية والتدريبية.
• الأطراف المناخية المتطرفة: تم تشغيل النماذج المستقرة لمدة 10 سنوات لتقييم التوزيع الإحصائي لأحداث درجات الحرارة المتطرفة (الحارة والباردة) مقابل مناخ ERA5.

النتائج الرئيسية

• تصنيف الفشل: تصنف الدراسة حالات الفشل إلى ثلاثة أنظمة: الانفجار، والانجراف (فقدان الموسمية)، وتضخم الشوائب صغيرة النطاق.
  • النماذج المستقرة: أظهرت نماذج Aurora وSFNO وPangu وDLESyM استقراراً طوال فترة العامين لمتغيرات معظمها، متجنبة الانفجار.
  • النماذج غير المستقرة: أظهرت نماذج مثل FourCastNet وFuXi وGraphCast انفجاراً أو فقداً للموسمية في غضون أيام أو أشهر. على سبيل المثال، انفجر نموذج FourCastNet في غضون 8 أيام فقط بالنسبة لدرجة حرارة 2 متر.
• آليات الاستقرار:
  • إزالة الضجيج (Denoising): تعمل النماذج المستقرة (تحديداً Aurora وSFNO) كمزيلات للضجيج. فعند بدء التشغيل بمدخلات مشوشة (حتى لو كانت ضوضاء بيضاء نقية أو صورة قطة)، فإنها تتقارب نحو مسارات واقعية فيزيائياً مشروطة بالحالة الأولية، بدلاً من مجرد حفظ تسلسلات التدريب.
  • التعميم مقابل الحفظ: أكدت الاختبارات أن النماذج المستقرة لا تقوم بمجرد إعادة تشغيل عينات التدريب المحفوظة؛ بل تولد مسارات طقس فريدة.
  • دور تضمين الوقت (Time Embedding): بينما تعد تضمينات الوقت حاسمة للحفاظ على الدقة المناخية (الموسمية)، إلا أنها ليست ضرورية تماماً للاستقرار الديناميكي (منع الانفجار). أدى إزالة تضمينات الوقت إلى حالات ثابتة زمنياً ولكن لم يتسبب ذلك في تباعد عددي.
• الثبات المعماري: كشفت دراسات الاستئصال على نموذج Aurora أن الاستقرار قوي للغاية تجاه التغييرات في أحجام النوافذ، وتقنيات التطبيع (LayerNorm مقابل RMSNorm)، وعدد المستويات الغلاف الجوي. ومع ذلك، يبدو أن وجود حد أدنى من سعة النموذج (عدد المعلمات) ضروري للحفاظ على الدورات الموسمية الواقعية.
• الدقة والمدى الزمني: أدى التدريب عند دقة مكانية أقل (1.5 درجة) ومدى زمني أطول (24 ساعة) إلى تحسين الاستقرار طويل الأمد والاحتفاظ بالموسمية، مما يحاكي تصميم نماذج المحاكاة المناخية الناجحة. أما النماذج عالية الدقة (0.25 درجة)، فكانت تميل إلى تراكم طاقة الطيف صغيرة النطاق بمرور الوقت، وإن كان ذلك لا يؤدي بالضرورة إلى الانفجار.
• الأحداث المتطرفة: ولدت أكثر ثلاثة نماذج استقراراً (Aurora، SFNO، DLESyM) أحداثاً متطرفة ذات طبيعة فيزيائية معقولة خلال عمليات تشغيل استمرت 10 سنوات. ومع ذلك، فقد مالت إلى التقليل من قدر ووتيرة الأحداث المتطرفة مقارنة بـ ERA5، حيث أظهرت توزيعات ذات أطراف أخف (Lighter Tails).

الأهمية والادعاءات
يدعي البحث أنه يقدم أول تصنيف كمي رسمي لعدم استقرار التشغيل الطويل في نماذج الطقس بالذكاء الاصطناعي، منتقلًا من مجرد الفحص البصري إلى المقاييس الصارمة. ويجادل المؤلفون بأن الاستقرار ليس نتاجاً لخيارات معمارية محددة (مثل التوافقات الكروية) بل ينبثق من قدرة النموذج على العمل كمزيل للضجيج، حيث يقوم بكبح الضوضاء عالية التردد مع الحفاظ على الديناميكيات الفيزيائية منخفضة التردد.

تسلط الدراسة الضوء على أن النماذج المستقرة تولد مسارات فريدة وغير محفوظة، مما يثبت قدرتها على تجاوز كونها مجرد "ببغاوات عشوائية" (Stochastic Parrots) لتصبح أدوات لدراسة ديناميكيات المناخ. وبينما يشير المؤلفون إلى أن النماذج الحالية لا تزال تعاني من تحيزات في إحصائيات الأحداث المتطرفة وليست قوية بعد أمام تغير التوزيعات (مثل تغير المناخ)، فإن تحديد النماذج ذات سلوك التشغيل الطويل المستقر يُقدم كشرط مسبق ضروري لتطوير أنظمة الذكاء الاصطناعي المستقبلية القادرة على التنبؤات الموسمية وما دون الموسمية وصولاً إلى التنبؤات العقدية. ويدعم هذا العمل الجهود المجتمعية المستمرة، مثل "Weather Quest" وتجارب "AI4MIP"، لتوسيع قدرات الذكاء الاصطناعي لما وراء المقاييس الزمنية التقليدية للطقس.