STUDY REVEALS أن النماذج الجوية المبنية على الفيزياء لا تزال أكثر موثوقية من الذكاء الاصطناعي في التنبؤ بالظواهر الجوية المتطرفة. بينما يتفوق النماذج القائمة على الذكاء الاصطناعي مثل GraphCast أو Pangu-Weather على المدى اليومي، إلا أنهما يواجهان صعوبات مع الأرقام القياسية.
الإعلان
في مايو 2026، نشرت مجلة ساينس آفانسنز دراسة تؤكد أن الأنظمة الجوية التي تستند إلى القوانين الفيزيائية تتفوق على الذكاء الاصطناعي (AI) في التنبؤ بالظواهر الجوية المتطرفة. رغم التقدم الهائل الذي حققه الذكاء الاصطناعي في النماذج مثل غرافكاست وبانغوي-وتشير أو فوكسي، فإن هذه النماذج تظهر حدودًا كبيرة عند التنبؤ بالظواهر المتطرفة أو الاستثنائية.
تأتي هذه النتائج من تحليل مقارن دقيق بين أداء نماذج الذكاء الاصطناعي ونماذج التقليدية التي تأتي من مرافق التنبؤ مثل ECMWF، مستندة على بيانات فضائية وأجواء حديثة. تكشف هذه البيانات أن إذا ما كان شبكات العصبونات تتفوق أحيانًا على النماذج الفيزيائية في التنبؤات اليومية، فإنها لا تظل أكثر موثوقية عند التنبؤ بالظواهر الجوية المتطرفة.
ما نعرفه
تستخدم أنظمة التنبؤ الذكاء الاصطناعي طرقًا من تعلم الآلة، بما في ذلك شبكات العصبونات العميقة، لدمج كميات كبيرة من البيانات الجوية، بما في ذلك الملاحظات الفضائية التي يقدمها برنامج كوبرنيكوس الأوروبي. يمكن لهذه الأنظمة إنتاج تنبؤات سريعة وتفصيلية على المدى القصير.
ومع ذلك، فإن تعقيد الظواهر المتطرفة، والتي غالباً ما تكون مرتبطة بتفاعلات دقيقة بين عدة متغيرات جوية، لا يزال يفوقها. تدمج النماذج الفيزيائية هذه التفاعلات بشكل صريح، مما يمنحها قوة أكبر في حالات نادرة ولكنها مهمة.
وفقًا للدراسة، فإن أنظمة الذكاء الاصطناعي عادة ما تقلل من حجم أو تفوت حدوث الأحداث الجوية المتطرفة، مما يمكن أن يحد من استخدامها في السياقات الحساسة مثل إدارة المخاطر الطبيعية أو الاستعداد للكوارث المناخية.
لماذا هذا مهم
قدرة التنبؤ الدقيق بالظواهر المتطرفة، مثل موجات الحر الشديدة، والرياح العاتية، أو الغزوات المطرية، هي حاسمة لسلامة المدنيين، حماية البنية التحتية، وتكيف المجتمع مع التغير المناخي. تخطئة التنبؤ أو عدم دقة التنبؤ يمكن أن تكون كارثية من حيث الخسائر البشرية والاقتصادية.
بينما يُنظر إلى الذكاء الاصطناعي غالبًا كحل سحري لتحسين الأرصاد الجوية، فإن هذه الدراسة تذكر الحاجة إلى الجمع بين الأساليب. لا يزال النماذج الفيزيائية عمودًا أساسيًا لضمان دقة التنبؤات، خاصة في سياق زيادة عدد الظواهر المتطرفة المرتبطة بالاحترار المناخي.
رد المجتمع
تستقبل الخبراء في الأرصاد الجوية والتغير المناخي هذه الاستنتاجات بخليط من الحذر والتفاؤل. يشيدون بالتقدم الذي حققه الذكاء الاصطناعي في تحسين التنبؤات اليومية، ولكنهم يؤكدون أن هذه الأدوات يجب أن تكون مدمجة في أنظمة هجينة تجمع بين الدقة الفيزيائية والقوة الحاسوبية لتعلم الآلة.
تقوم مرافق التنبؤ مثل ECMWF ومؤسسات كوبرنيكوس الأوروبية بالفعل بتطوير نماذج هجينة تستغل قوة كل منهج، بهدف تحسين دقة التنبؤات على جميع المقياس الزمني والجغرافي.
الخطوات القادمة
الخطوات القادمة تشمل تعزيز البحث عن دمج النماذج الذكاء الاصطناعي والفيزيائية لتحسين فهم التعقيد في الظواهر المتطرفة. يهدف المشاريع الحالية إلى تحسين شبكات العصبونات بحيث تأخذ بعين الاعتبار المزيد من المتغيرات الفيزيائية وزيادة حلول المحاكاة. سيسمح هذا الجهد بتحسين الوقاية من المخاطر المناخية وتعزيز صمود المجتمعات أمام تفاقم الظواهر الجوية المتطرفة.
السياق التاريخي في التطور المستمر
منذ عقود، تعتمد التنبؤات الجوية بشكل أساسي على النماذج الفيزيائية التي تصف بدقة سلوك الغلاف الجوي. هذه النماذج، التي تم تطويرها منذ الخمسينيات، تطورت تدريجيًا في الدقة مع زيادة قوة الحوسبة وتحسين الملاحظات الفضائية. وصول الذكاء الاصطناعي، خاصة في العقد الأخير، أدى إلى مرحلة مهمة من خلال تقديم قدرات فريدة لتحليل البيانات الضخمة. ومع ذلك، يظهر التاريخ التنبؤي أن فهم الدقة الفيزيائية الدقيقة لا يزال عنصرًا أساسيًا، خاصة عند التنبؤ بالظواهر النادرة والمتطرفة.
تحديات تقنية وategies تكتيكية
من الناحية المنهجية، تستند أنظمة الذكاء الاصطناعي إلى التعلم من البيانات التاريخية، مما يطرح تحديًا في تعديل التنبؤات لتلائم الظروف غير المسبوقة أو المتطرفة التي لا تملك مثالاً واضحًا. بينما تقوم النماذج الفيزيائية بتقليد القوانين الطبيعية التي تحكم الغلاف الجوي، مما يمنحها القدرة على التنبؤ بشكل أفضل بالردود الفعل المناخية في حالات استثنائية. التحدي الحالي هو تحقيق تكامل بين هاتين الأساليب لاستغلال سرعة وقوة التعلم للذكاء الاصطناعي مع الحفاظ على الدقة والموثوقية في النماذج الفيزيائية.
التأثير على السياسات المناخية وإدارة المخاطر
تحسين دقة التنبؤ بالظواهر المتطرفة له تأثير مباشر على إدارة الأزمات ووضع السياسات العامة المناسبة. يعتمد الحكومات والسلطات المحلية على هذه التنبؤات لتنظيم الهجرات، حماية البنية التحتية الحساسة، وتخصيص الموارد في حالة الطوارئ. سيساهم تحسين النماذج التنبؤية في تقليل
Cet article vous a-t-il été utile ?
