نموذج الأعاصير من DeepMind يمنح يومًا إضافيًا حاسمًا للتوقعات

يبدأ نموذج طقس بالذكاء الاصطناعي في تغيير التنبؤ بالأعاصير

نشرت Google DeepMind وGoogle Research نتائج تشير إلى أن نموذجًا للطقس يعتمد على الذكاء الاصطناعي يمكنه أن يمنح المتنبئين شيئًا ثمينًا على نحو غير معتاد خلال موسم الأعاصير: المزيد من الوقت. وفي ورقة نُشرت في Nature في 8 أغسطس 2026، أفاد الباحثون بأن نموذج WeatherNext لديهم يستطيع التنبؤ بالأعاصير بدقة إضافية كافية لتمديد زمن الإنذار المفيد بنحو يوم واحد مقارنة بالأساليب الحالية.

هذا النوع من المكاسب مهم لأن الاستجابة للأعاصير تُدار بالساعات والأيام، لا بالمفاهيم المجردة. يصبح التخطيط للإجلاء، ونشر الإمدادات الطارئة، وقرارات الحكومات المحلية أكثر صعوبة كلما زاد الغموض وضاق الوقت. ووفقًا للنص المصدر المقدم، يقول المتنبئون إن حتى بضع ساعات يمكن أن تؤثر ماديًا في ما يستطيع المسؤولون فعله قبل وصول العاصفة. لذلك فإن نقل نافذة الدقة للأمام يومًا كاملًا ليس تحسينًا تدريجيًا روتينيًا. إنه نوع التغيير الذي يمكن أن يبدل القرارات التشغيلية على الأرض.

الحالة التي جذبت الانتباه

الأداء المبلغ عنه لا يُعرض فقط بصياغة إحصائية. يشير النص المصدر إلى مثال حقيقي لعاصفة من أكتوبر 2025، عندما تشكل نظام فوق الكاريبي واختلفت النماذج حول ما سيحدث لاحقًا. كان أحد الاحتمالات أن تظل العاصفة أضعف وتتجه نحو هايتي. أما WeatherNext ففضّل مسارًا ونتيجة أكثر خطورة. وقبل خمسة أيام من وصولها إلى اليابسة، منح احتمالًا بنسبة 80 بالمائة بأن تضرب العاصفة جامايكا كإعصار من الفئة الخامسة.

تلك العاصفة، الإعصار Melissa، كانت كارثية بالفعل، وتسببت في فيضانات وانهيارات أرضية في أنحاء جامايكا. ويقول المقال إن النموذج ساعد المتنبئين على إصدار تحذيرات أبكر للمجتمعات الواقعة في مسار الخطر. هذا لا يعني أن الذكاء الاصطناعي حل محل التنبؤ البشري أو أزال عدم اليقين من العملية. بل يعني أن النموذج أنتج إشارة في وقت مبكر بما يكفي، وبقوة كافية، لدعم اتخاذ القرار عندما كانت كل ساعة إضافية ذات قيمة عملية.

هذا التمييز مهم في الجدل الأوسع حول الذكاء الاصطناعي. كثير من ادعاءات الذكاء الاصطناعي تُقدَّم على أنها وعود مستقبلية. هذا المثال أكثر واقعية. فهو يربط أداء النموذج بسياق تشغيلي محدد، وعاصفة مسماة، وتقدير احتمالي، وميزة قابلة للقياس في التنبؤ. والرسالة الكامنة هنا أقل تعلقًا بالاستعراض وأكثر تعلقًا بسير العمل: إذا كان النموذج قادرًا على إعطاء خبراء الأرصاد إجابة أفضل في وقت أبكر، فالنتيجة ليست مجرد رسم بياني أفضل، بل نافذة أوسع للتحرك.

ما الذي تقول الورقة إنه تحسن

الادعاء المركزي في الورقة هو أن WeatherNext يتنبأ بالأعاصير بدقة غير مسبوقة، ويوفر في المتوسط يومًا إضافيًا من زمن الإنذار مقارنة بالنماذج الحالية. ويعبّر النص المصدر عن ذلك في معيار عملي: كانت تنبؤات WeatherNext قبل ثلاثة أيام بنفس دقة تنبؤات النماذج السابقة قبل يومين. وبالنسبة للمتنبئين، هذا النوع من المقارنة أسهل في الفهم من درجة تقنية بحتة لأنه يترجم مباشرة إلى وقت للتخطيط.

كما يؤكد الباحثون الذين اقتبسهم النص المصدر أن تحقيق هذه المكاسب صعب عبر التقدم التقليدي وحده. تاريخيًا، كان تقديم التوقعات يومًا كاملًا إلى الأمام قد يستغرق عقدًا من العمل. ويساعد هذا التشبيه في تفسير سبب اندهاش علماء الطقس من النتيجة. فهو يشير إلى أن هذا التقدم لا يُنظر إليه كتحديث هامشي للنموذج، بل كتسارع قد يكون مهمًا في القدرة على التنبؤ.

ويشير النص المصدر أيضًا إلى قيد مهم في تطبيق تعلم الآلة على الطقس المتطرف. فالأعاصير نادرة مقارنةً بالظروف الجوية العادية، وعادة ما تستفيد أنظمة تعلم الآلة من كميات كبيرة من بيانات التدريب. وكانت إجابة الباحثين، كما لخصتها المادة المصدر، هي تدريب نموذج فعال في الطقس عمومًا ويتعلم أيضًا سلوك الأعاصير. بعبارة أخرى، بدلًا من الاعتماد فقط على مجموعة محدودة من أمثلة العواصف، يمكن للنموذج أن يستمد من العالم الأكبر بكثير من بيانات الطقس.

لماذا الأعاصير صعبة النمذجة على نحو خاص

تُعد الأعاصير المدارية أهدافًا صعبة للتنبؤ لأنها تعمل عبر عدة مقاييس في الوقت نفسه. ويقول النص المصدر إن التنبؤ بمسار العاصفة يتطلب معلومات على نطاق عالمي. وفي الوقت نفسه، فإن توقع سلوك العاصفة نفسها ينطوي على ديناميات أصغر نطاقًا. وهذه الطبيعة متعددة المقاييس هي أحد الأسباب التي تجعل الأعاصير تظل تحديًا حتى لأنظمة الطقس العددية المتقدمة.

لذلك فإن القوة المبلغ عنها لـ WeatherNext لافتة للنظر، لأنها تبدو قادرة على إدارة هذه التعقيدات باستخدام بيانات طقس أقل دقة من بعض الأساليب التقليدية. ويصف المقتطف من Ars Technica الوارد في المادة المقدمة ذلك بأنه أحد أسباب مفاجأة علماء الطقس بالنموذج. فإذا كان نموذج ما يستطيع استخراج قيمة تنبؤية أكبر من مدخلات منخفضة الدقة، فإن ذلك يثير أسئلة عملية تتجاوز الدقة المجردة. فقد يؤثر في الكفاءة الحاسوبية، وإمكانية الوصول، والطريقة التي تمزج بها وكالات التنبؤ بين أنظمة الذكاء الاصطناعي والأدوات المعتمدة على الفيزياء الراسخة.

ولا يعني كل ذلك أن الأساليب القديمة أصبحت فجأة من الماضي. فالمادة المصدر لا تدّعي ذلك. ما تدعمه هو خلاصة أضيق ولكنها مهمة: بدأت نماذج الذكاء الاصطناعي تُظهر أداءً ذا معنى تشغيلي في أحد أصعب مجالات التنبؤ بالطقس. وهذا تصريح أقوى من القول إن الذكاء الاصطناعي مفيد من حيث المبدأ. إنه يشير إلى مسار نحو دمجه فعليًا في ممارسة التنبؤ.

ماذا يعني يوم إضافي عمليًا

زمن الإنذار ليس مقياسًا مجردًا لمديري الطوارئ. ويقتبس النص المصدر Mike Brennan، مدير المركز الوطني للأعاصير في الولايات المتحدة، مؤكدًا أن الوقت "golden" في هذه القرارات. وحتى عندما لا يكون التنبؤ مثاليًا، فإن الثقة المبكرة يمكن أن تساعد المسؤولين على تجهيز الملاجئ، ونشر الفرق مسبقًا، وتحذير المجتمعات الضعيفة، وتحديد ما إذا كان ينبغي تصعيد رسائل الإجلاء.

هذا التأطير العملي أحد أسباب بروز هذه النتيجة. فكثير من تطبيقات الذكاء الاصطناعي تعد بمكاسب كفاءة داخل الأنظمة الخلفية، لكن التنبؤ بالأعاصير مختلف لأن العواقب العامة فيه مرئية وفورية. فالتوقعات الأفضل يمكن أن تؤثر في ازدحام الطرق، وفي وصول المساعدات إلى المناطق الصحيحة، وفي حصول المجتمعات على ما يكفي من التنبيه للتحرك. ولا يلغي تحسين يوم واحد الدمار الذي قد تسببه عاصفة كبرى، لكنه يمكن أن يغير الهامش الذي تتكشف فيه الأضرار والخسائر.

كما أن نشر العمل في Nature يشير إلى أن النتيجة خرجت من مجرد عرض لشركة ودخلت في إطار علمي محكّم. وهذا لا ينهي الجدل حول كيفية اختبار النموذج أو نشره أو دمجه مع الأنظمة القائمة. لكنه يحدد عتبة مهمة. فالتنبؤ بالطقس بالذكاء الاصطناعي لم يعد مجرد فضول بحثي أو ادعاء تسويقي. إنه يُقيَّم بشكل متزايد باعتباره بنية تحتية.

التحول الأوسع

الأهمية الأوسع للقطاع هي أن الذكاء الاصطناعي قد يكون الآن يساهم في واحدة من أكثر مسائل التنبؤ الواقعية تطلبًا في العلم، من دون انتظار استبدال الأرصاد الجوية التقليدية بالكامل. والقراءة الأقوى ليست أن نموذجًا واحدًا حل الأعاصير. أما القراءة الأكثر مصداقية، استنادًا إلى النص المصدر المقدم، فهي أن التنبؤ الهجين أصبح أصعب في التجاهل.

بالنسبة للحكومات ووكالات التنبؤ، قد يصبح السؤال الرئيسي هو مدى سرعة التحقق من صحة هذه الأنظمة وتشغيلها وكسب الثقة بها ضمن سلاسل التحذير الرسمية. أما بالنسبة للجمهور، فالخلاصة أبسط. إن توقعًا أفضل للعاصفة يصل أبكر يمكن أن يوفر الوقت، والوقت غالبًا ما يكون المورد الأكثر ندرة قبل وصول العاصفة إلى اليابسة. وإذا واصل WeatherNext تقديم الأفضلية التي وصفتها الورقة، فسيُقاس أثر هذا التقدم أقل عبر عناوين الذكاء الاصطناعي وأكثر عبر القرارات التي تُتخذ قبل يوم كامل.

هذا المقال يستند إلى تغطية Ars Technica. اقرأ المقال الأصلي.