Tianmu-TC: Physics-constraints Generative Artificial Intelligence for Global Tropical Cyclone Forecasting

تعد الأعاصير المدارية من بين أقوى القوى وأكثرها تدميراً على وجه الأرض، وهي قادرة على إطلاق رياح عاتية وأمطار غزيرة تعيد تشكيل السواحل وتهدد الأرواح. إن التنبؤ بمسار هذه العواصف ومدى قوتها هو مهمة تحدت العلماء لعقود؛ فالغلاف الجوي نظام فوضوي، مما يعني أن الأخطاء الصغيرة، التي تكاد تكون غير مرئية في قياساتنا الأولية، يمكن أن تتحول إلى أخطاء جسيمة مع مرور الوقت، وهي ظاهرة تُعرف غالباً باسم "أثر الفراشة". وللتعامل مع حالة عدم اليقين هذه، يعتمد خبراء الأرصاد الجوية تقليدياً على عمليات محاكاة حاسوبية معقدة تقوم بتشغيل آلاف السيناريوهات المختلفة قليلاً لإنشاء مجموعة من النتائج المحتملة. وبينما تعد هذه الأساليب هي المعيار الذهبي للسلامة، إلا أنها تتطلب قدرة حوسبة هائلة، وغالباً ما تستلزم أجهزة حواسيب فائقة تستغرق ساعات لإنتاج توقع واحد، مما يجعلها بطيئة ومكلفة في التشغيل.

ويقترح نهج جديد، فصّله بحث حديث، مساراً مختلفاً للمضي قدماً باستخدام نوع من الذكاء الاصطناعي الذي يتعلم من قوانين الفيزياء بدلاً من مجرد البيانات الخام. وقد طور الفريق وراء هذا العمل، بقيادة باحثين من جامعة تشجيانغ للتكنولوجيا ومؤسسات أخرى، نظاماً يسمى "تيانمو-تي سي" (Tianmu-TC). وبخلاف نماذج الذكاء الاصطناعي السابقة التي كانت تكتفي بحفظ أنماط العواصف الماضية، صُمم هذا النظام لفهم القواعد الفيزيائية التي تحكم حركة العاصفة وتغيرها. ومن خلال تعليم الذكاء الاصطناعي احترام هذه القيود الطبيعية، نجح الباحثون في إنشاء أداة يمكنها توليد مستقبلات متعددة محتملة للعاصفة بسرعة وبدرجة أقل بكثير من عدم اليقين مقارنة بالأساليب الحالية. وتظهر النتائج أن هذا الذكاء الاصطناعي الموجه بالفيزياء يمكنه التنبؤ بمسار وقوة الأعاصير المدارية عبر العالم بسرعة ودقة ملحوظتين، متفوقاً في كثير من الأحيان على أكثر نماذج الحواسيب الفائقة تقدماً المستخدمة من قبل وكالات الطقس الكبرى اليوم.

يكمن جوهر هذا الاختراق في كيفية تعامل الذكاء الاصطناعي مع فوضى الغلاف الجوي. فغالباً ما تنتج نماذج الذكاء الاصطناعي التقليدية انتشاراً واسعاً من التوقعات، مثل مجموعة من الأشخاص يخمنون موقعاً ما ويتوزعون على مساحة شاسعة، مما يجعل من الصعب معرفة أين ستضرب العاصفة بالفعل. ولإصلاح ذلك، أدخل الباحثون ثلاثة قواعد فيزيائية محددة، أو قيوداً، في عملية تعلم الذكاء الاصطناعي. أولاً، يُجبر النظام على احترام تاريخ العاصفة، مما يضمن أن أي توقع جديد يتدفق منطقياً مما كانت عليه العاصفة بالفعل. ثانياً، يجب أن يأخذ في الاعية أنماط الطقس واسعة النطاق التي توجه العاصفة، مثل أنظمة الضغط العالي والتيارات الهوائية التي تعمل مثل نهر يوجه قارباً. وأخيراً، والأهم من ذلك، تم تعليم الذكاء الاصطناعي مراعاة البنية الداخلية للعاصفة، وتحديداً كيف تتغير الرياح والضغط رأسياً داخل العاصفة نفسها. ومن خلال نسج هذه الحقائق الفيزيائية الثلاث في عملية التوليد، يتعلم الذكاء الاصطناعي تضييق الاحتمالات، واستبعاد التخمينات الجامحة والتركيز على النتائج الأكثر منطقية من الناحية الفيزيائية.

وعند اختباره مقابل بيانات من العالم الحقيقي من عام 2017 إلى 2023، والتي غطت عواصف في محيطات حول العالم، أظهر "تيانمو-تي سي" مستوى من الدقة أدهش حتى مبتكريه. لقد تم تدريب النموذج حصرياً على بيانات من غرب شمال المحيط الهادئ، ومع ذلك نجح في تعميم معرفته للتنبؤ بالعواصف في المحيط الأطلسي والمحيط الهندي والمحيط الجنوبي دون الحاجة إلى إعادة تدريبه لتلك المناطق المحددة. وفي مقارنات مباشرة مع المركز الأوروبي للتنبؤات الجوية متوسطة المدى، وهو منظمة طقس عالمية رائدة، وغيرها من نماذج الذكاء الاصطناعي رفيعة المستوى، أنتج "تيانمو-تي سي" باستمرار أخطاءً أصغر في التنبؤ بكل من مسار العاصفة وشدتها. فعلى سبيل المثال، في الحالات التي اتخذت فيها العواصف مسارات غير عادية أو دائرية أو تغيرت قوتها بسرعة، قلل النموذج الجديد أخطاء التنبؤ بما يصل إلى ست مرات مقارنة ببعض أنظمة الذكاء الاصطناعي الحالية. كما تمكن من التنبؤ بالتكثف السريع والضعف السريع للعواصف بمستوى من التفصيل تفتقده العديد من الأنظمة الحالية.

ولعل الجانب الأكثر إثارة لهذا التطور هو كفاءته. فبينما تتطلب أكثر نماذج الطقس قوة في العالم حواسيب فائقة وساعات من وقت المعالجة لإنتاج توقع، يمكن لـ "تيانمو-تي سي" أن يعمل على بطاقة رسومات قياسية واحدة، وهي قطعة من الأجهزة الموجودة في العديد من الحواسيب عالية الأداء، وينتج توقعاً في ثانية واحدة فقط. ولا تأتي هذه السرعة على حساب الدقة؛ بل في الواقع، يولد النموذج مجموعة من ستة مسارات مستقبلية محتملة متجمعة بإحكام حول المسار الأكثر احتمالاً، مما يوفر لخبراء الأرصاد الجوية صورة واضحة وواثقة لما يمكن توقعه. ووجد الباحثون أنه حتى عندما كانت بيانات الوقت الفعلي حول الغلاف الجوي المحيط مفقودة، كان بإمكان النموذج الاعتماد على التاريخ الأخير للعاصفة لتقديم تنبؤات دقيقة، وهي ميزة حاسمة للاستجابة الطارئة في الوقت الفعلي عندما تنقطع تدفقات البيانات.

كما كشفت الدراسة أيضاً عن وجود علاقة أعمق بين مسار العاصة وقوتها. وبينما يعلم العلماء منذ فترة طويلة أن هذين العاملين مرتبطان، فقد أثبت هذا النموذج الجديد أن التنبؤ بهما معاً، بدلاً من التنبؤ بكل منهما على حدة، يؤدي إلى نتائج أفضل بشكل ملحوظ. فقد تعلم الذكاء الاصطناعي أن شدة العاصفة تعتمد بشدة على البيئة المحددة التي تواجهها على طول مسارها، مثل درجة حرارة مياه المحيط أو قوة الرياح فوقها. ومن خلال التنبؤ بالمسار والقوة في آن واحد، استطاع النموذج استخدام المعلومات من أحدهما لصقل الآخر، مما يخلق توقعاً أكثر تماسكاً وموثوقية. ويشير هذا الاكتشاف إلى أن مستقبل التنبؤ بالعواصف لا يكمن في بناء نماذج أكبر وأكثر تعقيداً، بل في تصميم أنظمة أذكى تفهم العلاقات الفيزيائية بين الأجزاء المختلفة من الطقس.

وتتجاوز تداعيات هذا العمل مجرد أرقام أفضل على الشاشة. فمن خلال جعل التنبؤ الجماعي عالي الجودة متاحاً على الأجهزة القياسية، يمكن لهذه التكنولوجيا أن تضفي طابعاً ديمقراطياً على التنبؤ بالطقس، مما يسمح للمناطق ذات الموارد الأقل بالوص⋯ الوصول إلى نفس المستوى من التنبؤ التفصيلي الذي تتمتع به الدول الغنية. إن القدرة على توليد سيناريوهات متعددة ومتسقة فيزيائياً بسرعة تمنح مديري الطوارئ مزيداً من الوقت للاستعداد لتهديدات محددة، سواء كانت تغيراً مفاجئاً في الاتجاه أو زيادة سريعة في سرعة الرياح. ويقر الباحثون أنه على الرغم من أن النموذج فعال للغاية في التوقعات قصيرة المدى، إلا أن التنبؤ بالعواصف قبل عدة أيام يظل أمراً صعباً بسبب الفوضى المتأصلة في الغلاف الجوي. ومع ذلك، فإن نجاح "تيانمو-تي سي" يشير إلى أنه من خلال ترسيخ الذكاء الاصطناعي في القوانين الأساسية للفيزياء، يمكننا بناء أدوات ليست فقط أسرع وأرخص، بل أيضاً أكثر موثوقية، مما يقدم طريقة جديدة لحماية المجتمعات من غضب الأعاصيد المدارية.