گوگل یک مدل هوش مصنوعی پیشبینی آبوهوا به نام WeatherNext را متنباز کرده است. این مدل به گفته این شرکت میتواند با پیشبینی همزمان مسیر و شدت طوفانهای حارهای به سازمانهای هواشناسی برای صدور هشدارهای زودهنگامتر و دقیقتر درباره هاریکنها کمک کند.
به گزارش گروه ترجمه خبرگزاری برنا به نقل از انگجت، پژوهشگران Google DeepMind و Google Research در توسعه و آموزش WeatherNext مشارکت داشتهاند و شماری از مراکز و سازمانهای تخصصی هواشناسی در سراسر جهان نیز در این پروژه همکاری کردهاند. از جمله این نهادها میتوان به مرکز ملی هاریکن آمریکا (NHC)، موسسه همکاری برای تحقیقات جو (CIRA) و اداره هواشناسی بریتانیا (Met Office) اشاره کرد.
گوگل اعلام کرده است که کد و وزنهای مدل WeatherNext را در گیتهاب به صورت متنباز در اختیار پژوهشگران قرار میدهد تا دانشمندان و متخصصان هواشناسی بتوانند از این فناوری برای توسعه مدلهای پیشبینی انجام تحقیقات بیشتر و بهبود سامانههای هشدار طوفان استفاده کنند.
یکی از مهمترین ویژگیهای WeatherNext توانایی آن در پیشبینی مسیر حرکت و شدت طوفانهای حارهای در یک مدل واحد است. این مدل میتواند پیشبینیهایی تا ۱۵ روز آینده ارائه کند و احتمال وقوع سناریوهای مختلف درباره مسیر و شدت یک طوفان را در اختیار پیشبینیکنندگان قرار دهد.
طوفانهای حارهای که بسته به منطقه جغرافیایی با نامهایی مانند هاریکن، تایفون یا سیکلون شناخته میشوند از دشوارترین پدیدههای جوی برای پیشبینی هستند. دلیل این مسئله آن است که پیشبینی دقیق آنها به بررسی همزمان عوامل گسترده جوی و فرایندهای بسیار پیچیده در هسته طوفان نیاز دارد.
در روشهای سنتی، مدلهای جهانی هواشناسی معمولا برای پیشبینی جریانهای بزرگمقیاس جوی و در نتیجه تعیین مسیر حرکت طوفان عملکرد مناسبی دارند، اما به دلیل وضوح مکانی محدودتر ممکن است نتوانند جزئیات فرایندهای درون هسته طوفان را به خوبی مدلسازی کنند.
از سوی دیگر مدلهای تخصصی و محلی میتوانند با تمرکز بیشتر بر هسته طوفان، فرایندهای ترمودینامیکی موثر بر شدت طوفان را بهتر بررسی کنند. WeatherNext تلاش میکند این دو جنبه را در قالب یک مدل واحد ترکیب کند.
برای آموزش این مدل تقریبا ۲۰ ترابایت داده مربوط به وضعیت جو در سراسر جهان در کنار اطلاعات تاریخی مربوط به طوفانهای گذشته مورد استفاده قرار گرفته است. بخشی از دادههای تاریخی طوفانها از International Best Track Archive for Climate Stewardship (IBTrACS) تامین شده است؛ مجموعهدادهای که اطلاعات مربوط به مسیر و ویژگیهای طوفانهای حارهای در نقاط مختلف جهان را گردآوری میکند.
ترکیب دادههای گسترده جوی با سوابق تاریخی طوفانها به WeatherNext امکان میدهد الگوهای مرتبط با شکلگیری، حرکت و تغییر شدت سیکلونهای حارهای را یاد بگیرد و برای رویدادهای آینده پیشبینی ارائه کند.
سرعت تولید پیشبینی یکی دیگر از قابلیتهای مهم WeatherNext است. پژوهشگران این پروژه اعلام کردهاند که این مدل میتواند یک پیشبینی ۱۵ روزه را روی یک واحد پردازش تنسوری (TPU) در کمتر از یک دقیقه تولید کند.
این سرعت میتواند برای مراکز هواشناسی اهمیت زیادی داشته باشد، زیرا پیشبینیکنندگان در زمان نزدیک شدن یک طوفان قدرتمند میتوانند در مدت کوتاهی سناریوهای مختلف را بررسی کنند و احتمال وقوع پیامدهای شدید را بهتر ارزیابی کنند.
پژوهشگران WeatherNext میگویند این قابلیت به پیشبینیکنندگان اجازه میدهد توزیع احتمالاتی سناریوهای مختلف و خطرات بسیار شدید، اما کماحتمال را با سرعت بیشتری بررسی کنند؛ موضوعی که در مدیریت بحران و صدور هشدار برای مناطق در معرض خطر اهمیت ویژهای دارد.
نتایج پژوهش مربوط به WeatherNext در مجله علمی Nature منتشر شده است. گوگل همچنین در یک مطلب توضیحی، جزئیات این فناوری و کاربردهای احتمالی آن را برای مخاطبان عمومی تشریح کرده است.
گوگل پیش از این نیز روی استفاده از هوش مصنوعی برای پیشبینی پدیدههای شدید جوی سرمایهگذاری کرده بود. این شرکت همچنین پروژههایی را برای استفاده از هوش مصنوعی در پیشبینی سیلابهای ناگهانی دنبال کرده است.
متنباز شدن WeatherNext میتواند امکان استفاده از این فناوری را برای طیف گستردهتری از پژوهشگران و سازمانهای هواشناسی فراهم کند. در صورت ارزیابی و بهکارگیری موفقیتآمیز این مدل در سامانههای عملیاتی، پیشبینی همزمان مسیر و شدت طوفانها میتواند به افزایش زمان آمادهسازی جوامع در معرض خطر و بهبود مدیریت بحران کمک کند.
با این حال هدف این فناوری جایگزین کردن کامل کارشناسان هواشناسی نیست بلکه فراهم کردن ابزارهای سریعتر و دقیقتر برای تحلیل سناریوهای مختلف جوی و کمک به تصمیمگیری پیشبینیکنندگان است.
انتهای پیام/