گوگل دیپ‌مایند از مدل هوش مصنوعی جدیدی برای پیش‌بینی وضعیت هوا رونمایی کرده است که می‌تواند مسیر حرکت و شدت طوفان‌های حاره‌ای را با دقت چشمگیری پیش‌بینی کند. این مدل که WeatherNext نام دارد، بر اساس مقاله‌ای که در مجله علمی Nature منتشر شده، در پیش‌بینی مسیر، شدت و ساختار بادهای طوفان‌های حاره‌ای به دقتی در سطح پیشرفته دست یافته است.

۲۴ ساعت زمان اضافی برای هشدار

به گزارش خبرگزاری مهر به نقل از ای‌ویک، گوگل دیپ‌مایند ادعا می‌کند پیش‌بینی‌های سه‌روزه این مدل تقریباً به اندازه سامانه‌های قدیمی‌تر در پیش‌بینی‌های دوروزه دقیق هستند. این ویژگی می‌تواند حدود ۲۴ ساعت زمان اضافی در اختیار کارشناسان هواشناسی قرار دهد تا برای طوفان‌های خطرناک آماده شوند و هشدارهای لازم را زودتر صادر کنند.

این پژوهش با همکاری Google Research و کارشناسان هواشناسی از سازمان‌های معتبر از جمله مرکز ملی توفان آمریکا (NHC)، مؤسسه تعاونی پژوهش در علوم جوی و اداره هواشناسی بریتانیا (UK Met Office) انجام شده است.

آموزش با داده‌های عظیم جوی

گوگل اعلام کرده است که این مدل با استفاده از نزدیک به ۲۰ ترابایت داده‌های جوی و سوابق تاریخی مربوط به حدود پنج هزار طوفان آموزش دیده است. حجم بالای داده‌های آموزشی به مدل کمک می‌کند الگوهای پیچیده شکل‌گیری و حرکت طوفان‌های حاره‌ای را بهتر درک کند.

عملکرد قابل توجه با وضوح پایین داده‌ها

یکی از یافته‌های جالب این پژوهش آن است که WeatherNext با وجود استفاده از داده‌های هواشناسی با تفکیک‌پذیری بسیار پایین‌تر از مدل‌های سنتی، عملکرد خوبی در پیش‌بینی شدت طوفان‌های حاره‌ای دارد. نسخه اصلی این مدل با داده‌هایی با تفکیک‌پذیری حدود ۲۸ در ۲۸ کیلومتر کار می‌کند؛ وضوحی که به گفته گوگل تقریباً ۱۰۰ برابر پایین‌تر از مدل‌های تخصصی با وضوح بالا است که معمولاً برای پیش‌بینی شدت طوفان‌ها مورد استفاده قرار می‌گیرند.

پژوهشگران می‌گویند هنوز به‌طور کامل نمی‌دانند چرا این مدل با وجود دریافت داده‌های ورودی با وضوح پایین‌تر، چنین عملکرد خوبی از خود نشان می‌دهد و این موضوع به یکی از پرسش‌های باز این پژوهش تبدیل شده است.

ارزیابی هزاران سناریوی احتمالی

این سامانه همچنین می‌تواند هزار سناریوی احتمالی برای مسیر و رفتار یک طوفان تولید کند. این قابلیت به پیش‌بینی‌کنندگان هواشناسی کمک می‌کند طیف گسترده‌ای از پیامدهای احتمالی، از جمله موارد تشدید سریع طوفان را ارزیابی کنند و تصمیم‌های دقیق‌تری برای مدیریت بحران و اطلاع‌رسانی به مردم بگیرند.

توسعه مدل‌های هوش مصنوعی در پیش‌بینی وضعیت هوا در سال‌های اخیر شتاب گرفته است و ابزارهایی مانند WeatherNext می‌توانند در آینده نقش مهمی در کاهش خسارت‌های انسانی و مالی ناشی از طوفان‌های حاره‌ای در مناطق ساحلی ایفا کنند.