پیش‌بینی دقیق آب و هوا با هوش مصنوعی؛ ابزار فوق پیشرفته گوگل رونمایی شد

گوگل دیپ‌مایند و گوگل ریسرچ از WeatherNext 3 رونمایی کردند؛ مدلی که قرار است پیش‌بینی هوا را از سطح نقشه‌های کلی و کند، به لایه‌ای زنده‌تر، ریزدانه‌تر و نزدیک‌تر به واقعیت روی زمین ببرد.

در نگاه اول، شاید فقط نام مدل تازه به نظر برسد، اما مسئله فراتر از این‌ها است. آب‌و‌هوا روی تصمیم‌های روزمره اثر می‌گذارد، از بیرون رفتن با چتر گرفته تا برنامه‌ریزی برای کشاورزی، زنجیره‌های تأمین، تولید انرژی پاک و حتی اقتصاد ملی. پیش‌بینی دقیق آب‌و‌هوا می‌تواند اثرات گسترده‌ای برای کشور به دنبال داشته باشد.

WeatherNext 3 بر پایه‌ی ارزیابی‌های زنده و مستقل Brightband، دقیق‌ترین مدل جهانی هوا تا امروز، ساخته شده و تکیه‌گاه اصلی آن داده‌های ماهواره‌ای زنده است. گوگل می‌گوید مدل تازه، برخلاف بسیاری از سامانه‌های قبلی که به داده‌های شبیه‌سازی‌شده با تأخیر وابسته بودند، مستقیما از مشاهدات لحظه‌ای یاد می‌گیرد و می‌تواند هر ساعت پیش‌بینی تازه تولید کند؛ آن هم در قالبی که به محصولات مختلف گوگل در سراسر جهان راه پیدا می‌کند.

کارآمدی پیش‌بینی هوا، فقط به درستی عددها وابسته نیست؛ جزئیات زمانی و مکانی هم اهمیت دارند. WeatherNext 3 در چند مقیاس فضایی، خروجی می‌دهد و در عین حال انسجام فیزیکی را میان الگوهای بزرگ‌مقیاس باد و ناهمواری‌های محلی حفظ می‌کند. این مدل دمای سطح و رطوبت را در وضوح ۵ کیلومتری نشان می‌دهد و برخی متغیرهای سطحی دیگر را در ۱۰ کیلومتری و متغیرهای جوی مانند سرعت باد را در ۲۵ کیلومتری.

در مقایسه با WeatherNext 2 که پیش‌بینی‌ها را روی شبکه‌ی ۲۵ کیلومتری و در گام‌های ۶ ساعته تولید می‌کرد، نسخه‌ی تازه تصویری حدود پنج برابر واضح‌تر از وضعیت جهانی آب‌وهوا می‌سازد. در عمل، این تفاوت فقط روی عددها دیده نمی‌شود. در مناطق کوهستانی، دره‌ها، نواحی ساحلی یا شهرهایی که تغییرات دما و رطوبت در چند کیلومتر جابه‌جا می‌شوند، همین افزایش دقت می‌تواند تصویر پیکسلی و بیش‌ازحد نرم مدل‌های قدیمی را به پیش‌بینی‌ای نزدیک‌تر به واقعیت تبدیل کند.

بزرگ‌ترین تغییر WeatherNext 3 از جایی شروع می‌شود که این مدل داده را می‌گیرد. بسیاری از مدل‌های هوش مصنوعی هوا، از جمله WeatherNext 2، با خروجی مدل‌های پیش‌بینی عددی هوا یا همان NWP آموزش می‌دیدند. این مدل‌ها هرچند مفیدند، اما شبیه‌سازی‌های پیچیده‌ی فیزیکی‌اند که به ابررایانه تکیه دارند و با تأخیر داده‌ای حدود ۶ ساعت همراه‌اند. برای پدیده‌هایی که سریع تغییر می‌کنند، مثل بارش یا دمای سطح، همین فاصله می‌تواند باعث سوگیری شود.

WeatherNext 3 مسیر دیگری را انتخاب کرده است و نتیجه، تصویری پیوسته و به‌روز از جو است. گوگل می‌گوید مدل تازه می‌تواند هر ساعت یک پیش‌بینی جدید بسازد؛ پیش‌بینی‌ای که بر تازه‌ترین مشاهده‌های ماهواره‌ای تکیه دارد و در وضوحی تا ۵ کیلومتر ارائه می‌شود. برای رخدادهایی که ناگهان شکل می‌گیرند، مثل جبهه‌های بارشی یا طوفان‌ها، همین چرخه‌ی به‌روزرسانی سریع می‌تواند هشدارهای زودتر و دقیق‌تری فراهم کند.

در کنار آن، WeatherNext 3 به‌جای تکیه بر نمایش‌های درشت‌دانه از جو، مستقیما روی داده‌های پراکنده‌ی ایستگاه‌های هواشناسی هم آموزش می‌بیند. چنین رویکردی باعث می‌شود پیش‌بینی جهانی روی شبکه‌ی ۵ کیلومتری به ویژگی‌های محلی، مثل توپوگرافی، حساس‌تر شود.

مدل تازه فقط برای باران و دما ساخته نشده است. WeatherNext 3 پیش‌بینی‌هایی را هم تولید می‌کند که مستقیما برای تولید انرژی تجدیدپذیر طراحی شده‌اند. در این بخش، مدل سرعت باد در ارتفاع ۱۰۰ متری را برآورد می‌کند؛ ارتفاعی که تقریبا هم‌سطح برج توربین‌ها به شمار می‌رود. کنار آن، پوشش ابر و شدت تابش خورشید هم با دقت بالا تخمین زده می‌شود تا مزارع خورشیدی بهتر بفهمند چه میزان نور به سطح زمین خواهد رسید.

برای اپراتورهای شبکه و توسعه‌دهندگان پروژه‌های انرژی پاک، چنین داده‌هایی فقط جنبه‌ی تحقیقاتی ندارند. هماهنگ‌کردن تولید نیرو با تقاضای مصرف، بدون تصویر دقیق از باد، ابر و تابش خورشید سخت می‌شود. WeatherNext 3 تلاش می‌کند این شکاف را کمتر کند و برنامه‌ریزی انرژی را از حدس‌های کلی دورتر ببرد.

پیش‌بینی بارش همیشه از دشوارترین بخش‌های هواشناسی بوده است. سامانه‌های بارش و برف از فرایندهای سریع ابرها روی مقیاس‌های بسیار کوچک شکل می‌گیرند و مدل‌های فیزیکی سنتی معمولا در بازنمایی دقیق آن‌ها با مشکل روبه‌رو هستند. به همین دلیل، خروجی بسیاری از مدل‌های هوش مصنوعی یا مبهم می‌شود یا مرز طوفان‌های شدید را از دست می‌دهد.

برای حل این مسئله، WeatherNext 3 روی دو منبع داده‌ی بسیار باکیفیت آموزش دیده است؛ Integrated Multi-satellite Retrievals for GPM (IMERG) متعلق به ناسا و یک بازتحلیل جهانی بارش که بر پایه‌ی رادار ماهواره‌ای خود گوگل ساخته شده است. نتیجه، جهش قابل‌توجهی در دقت پیش‌بینی بارش است.

گوگل هدف اصلی این پروژه را گسترش هوش هواشناسی برای کاربردهای عمومی توصیف می‌کند؛ از امدادگرانی که تغییرات ناگهانی باد را دنبال می‌کنند تا کنترل‌کنندگان ترافیک هوایی و کشاورزانی که باید برای محصول خود تصمیم بگیرند. به همین دلیل، WeatherNext 3 فقط در قالب یک مدل پژوهشی باقی نمی‌ماند و در اکوسیستم اصلی گوگل هم ادغام می‌شود.

شما آینده‌ی پیش‌بینی هوا با هوش مصنوعی را چقدر عملی می‌دانید؟