Do AI weather models forecast extremes better than GFS? A station-based verification over China with a common initialization source, 2022-2025
تؤكد هذه الدراسة أن نماذج الطقس القائمة على الذكاء الاصطناعي (GraphCast وPangu-Weather وFourCastNet) تتفوق عمومًا على نموذج التنبؤ العالمي (GFS) التشغيلي في التنبؤ بالقيم القصوى لدرجات الحرارة عبر الصين عند تهيئتها من مصدر GFS مشترك، رغم أن ميزتها في هطول الأمطار الغزيرة تتضاءل خارج نطاق العينة وتتأثر ببيانات التهيئة وإعدادات التحقق.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
لطالما كان التنبؤ بالطقس حكراً على الحواسيب العملاقة القائمة على الفيزياء، وهي آلات تحل معادلات معقدة تصف كيفية تحرك الهواء، وتسخنه، وتبريده عبر كوكب الأرض. ولعقود من الزمن، كانت هذه الأنظمة التقليدية هي المعيار الذهبي للتنبؤ بكل شيء، بدءاً من النسيم اللطيف وصولاً إلى العواصف العنيفة. ومع ذلك، ظهر جيل جديد من الأدوات مدعوم بالذكاء الاصطناعي. فبدلاً من حل المعادلات خطوة بخطوة، تتعلم نماذج الذاء الاصطناعي هذه التنبؤ بالمستقبل من خلال دراسة أرشيفات ضخمة من بيانات الطقس الماضية، والتعرف على الأنماط في الطريقة التي تصرفت بها الغلاف الجوي بمرور الوقت. والسؤال الذي يواجه العلماء الآن ليس فقط ما إذا كانت نماذج الذكاء الاصطناعي هذه قادرة على التنبؤ بالظروف المتوسطة، بل ما إذا كان بإمكانها التعامل مع اللحظات الأكثر خطورة: موجات الحر الشديدة، والتقلبات المفاجئة في البرودة، والهطولات المطرية الغزيرة التي تسبب أكبر قدر من الأضرار. فإذا أخطأ نموذج ذكاء اصطناعي في رصد عاصفة قياسية أو قلل من تقدير موجة حر، فإن العواقب ستكون أكثر خطورة بكثير من مجرد خطأ بسيط في توقع درجة الحرارة اليومية.
لقد وضعت دراسة حديثة هدفها للإجابة على هذا السؤال من خلال اختبار صارم وواقعي في الصين. وقام الباحثون بمقارنة ثلاثة نماذج ذكاء اصطناعي رائدة للطقس مقابل نظام التنبؤ العالمي (GFS)، وهو النموذج التقليدي القائم على الفيزياء والمستخدم من قبل هيئة الأرصاد الجوية الوطنية الأمريكية. ولضمان نزاهة المنافسة، لم يسمحوا لنماذج الذكاء الاصطناعي بالبدء بتخميناتها الخاصة المثلى لحالة الطقس الحالية؛ بدلاً من ذلك، أجبروا جميع النماذج، سواء كانت تعمل بالذكاء الاصطناعي أو التقليدية، على البدء بنفس اللقطة الدقيقة للغلاف الجوي. وقد جاءت هذه اللقطة من نظام التنبؤ العالمي نفسه. ومن خلال تثبيت نقطة البداية، استطاع الباحثون عزل القدرة التنبؤية الحقيقية لخوارزميات الذكاء الاصطناعي، وتجريدها من أي ميزة قد تأتي من امتلاك خريطة أولية أفضل للسماء. وقد اختبروا هذه النماذج عبر 334 محطة أرصاد جوية في جميع أنحاء الصين، وهي منطقة تمتد من الغابات الاستوائية، والصحاري القاحلة، إلى الهضاب الجبلية العالية، مغطيةً فترة زمنية من أوائل عام 2022 حتى منتصف عام 2025.
وكشفت النتائج عن صورة دقيقة حيث يتفوق الذكاء الاصطناعي غالباً على النموذج التقليدي، ولكن ليس بالطريقة التي قد يتوقعها المرء. فبالنسبة لدرجة الحرارة، أظهرت نماذج الذكاء الاصطناعي ميزة واضحة ومستمرة؛ فعند التنبؤ بدرجات الحرارة العظمى والصغرى اليومية، كانت نماذج الذكاء الاصطناعي أكثر دقة بشكل ملحوظ من النظام التقليدي، حيث حسنت مهارة التنبؤ بنسب تتعدى العشرة في المائة في كثير من الأحيان. وكان هذا صحيحاً لكل من الأيام الحارة والليالي الباردة. وكانت نماذج الذكاء الاصطناعي بارعة بشكل خاص في التقاط "أطراف التوزيع"، مما يعني أنها كانت أفضل في التنبؤ بالأيام الأكثر حرارة والليالي الأكثر برودة من النموذج التقليدي. ومع ذلك، لم تكن هذه التفوق مطلقاً في كل ساعة على حدة؛ فبينما برعت نماذج الذكاء الاصطناعي في التنبؤات اليومية، إلا أنها واجهت صعوبات أحياناً في الفترات الزمنية كل ست ساعات، مما يوضح أن قوتها تكمن في الإيقاع اليومي الأوسع وليس في كل لحظة بعينها.
تغيرت القصة عندما نظر الباحثون إلى الرياح والأمطار. فبالنسبة لسرعة الرياح، قدمت نماذج الذكاء الاصطناعي تحسينات طفيفة فقط، وفي بعض الحالات، كان أداؤها أسوأ قليلاً من النموذج التقليدي، خاصة في المقاييس الزمنية القصيرة. أما الفرق الأكثر أهمية فقد ظهر في التنبؤ بالأمطار الغزيرة. فبينما أظهر نموذج الذكاء الاصطناعي الذي يوفر بيانات الهطول بعض المهارة في التنبؤ بالمطر، إلا أن ميزته على النظام التقليدي كانت أصغر بكثير وأقل موثوقية. وعندما اختبر الباحثون قدرة الذكاء الاصطناعي على التنبؤ بظواهر الأمطار المتطرفة باستخدام بيانات من فترة زمنية لم يسبق له رؤيتها من قبل، تلاشت هذه الميزة إلى حد كبير. فقد استطاع النموذج التنبؤ بالنمط العام للمطر، لكنه لم يتفوق باستمرار على النظام التقليدي القائم على الفيزياء عندما يتعلق الأمر بالهطولات الأكثر غزارة.
كما سلطت الدراسة الضوء على أن أداء نماذج الذكاء الاصطناعي هذه يعتمد بشكل كبير على موقعك الجغرافي. ففي المناطق المعتدلة في شرق الصين، حيث المناخ معتدل والأنماط الجوية ممثلة جيداً في بيانات التدريب، تألقت نماذج الذكاء الاصطناعي. ولكن في المناطق الجبلية المرتفعة والصحاري القاحلة، كانت النتائج مختلطة. ففي المرتفعات، كان أداء نماذج الذكاء الاصطناعي أسوأ أحياناً من النظام التقليدي، لا سيما عند التنبؤ بدرجات الحرارة العظمى اليومية. ويشير هذا إلى أن نماذج الذكاء الاصطناعي، التي تعلمت من البيانات العالمية، قد تجد صعوبة في استيعاب التأثيرات المحلية المعقدة للتضاريس والتحولات السريعة في درجات الحرارة التي تحدث في البيئات القاسية. فلا يزال النموذج التقليدي القائم على الفيزياء، الذي يحسب الحركة الفعلية للهواء فوق الجبال، يحتفظ بالأفضلية في هذه المناظر الطبيعية الوعرة والصعبة.
ولعل الاكتشاف الأكثر أهمية في الدراسة يتعلق بمصدر البيانات الأولية. فقد اكتشف الباحثون أن مهارة نماذج الذكاء الاصطناعي حساسة للغاية لجودة "اللقطة" أو الحالة الابتدائية. فعندما مُنحت نماذج الذكاء الاصطناعي نقطة بداية مختلفة وعالية الجودة من نظام تنبؤ أوروبي، تحسن أداؤها بشكل كبير، وغالباً ما تضاعفت مهاراتها في المدى القصير. وهذا يشير إلى أن نماذج الذكاء الاصطناعي ليست "صناديق سحرية" تعمل بشكل مثالي بغض النظر عن المدخلات، بل هي تعتمد بشدة على جودة البيانات التي تُغذى بها. وتخلص الدراسة إلى أنه بينما فتحت نماذج الطقس القائمة على الذكاء الاصطناعي آفاقاً جديدة للتنبؤ بتطرف درجات الحرارة، إلا أنها ليست بديلاً شاملاً للنماذج التقليدية القائمة على الفيزياء بعد. فقدرتها على التنبؤ بأخطر الظواهر الجوية، مثل الأمطار الغزيرة، لا تزال في مرحلة اللحاق بالركب، كما أن نجاحها يختلف بشكل كبير اعتماداً على المناخ المحلي وجودة البيانات الأولية التي تتلقاها. إن مستقبل التنبؤ بالطقس لا يكمن على الأرجح في الاختيار بين أحدهما دون الآخر، بل في فهم أين يتفوق كل أداة بالضبط وكيف يمكن دمجهما لتوفير أكثر التحذيرات موثوقية للجمهور.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.