دستاورد خیرهکننده گوگل در افزایش سرعت مدلهای پیشبینی آبوهوا
پیشبینی آبوهوا برای کارشناسان همواره امری دشوار بوده است؛ اما در سالهای اخیر کارشناسان توانستهاند از قابلیتهای یادگیری ماشین در این حوزه بهخوبی بهره ببرند. گوگل ازجمله شرکتهایی بوده که بهتازگی به این حرکت پیوسته است. این شرکت هفتهی گذشته از نتایج پژوهشهای تازهی خود در راستای قابلیت پیشبینی (تقریبا) آنی وضعیت آبوهوا پرده برداشت.
البته تحقیقات یادشده هنوز در مراحل اولیهی خود بهسر میبرد و باید منتظر نتایج عملکرد واقعی آن روی سیستمهای تجاری بود. با این حال، نتایج اولیه بسیار امیدوارکننده بهنظر میآیند. پژوهشگران گوگل طی مقالهای (که هنوز مورد بازبینی قرار نگرفته است) توضیح دادهاند که چگونه تنها با چند دقیقه محاسبات توانستهاند امکان وقوع بارش باران را ۶ ساعت پیش از وقوع، در منطقهای با حد خطای یک کیلومتر پیشبینی کنند.
چنین دستاوردی پیشرفتی عظیم نسبتبه فناوریهای موجود تلقی خواهد شد؛ چراکه در حال حاضر، برای انجام چنین پیشبینیهایی نیاز به صرف ساعتها زمان در کنار تولید حجم بالایی از دادههای پیچیده است. پژوهشگران میگویند که قابلیت محاسبات سریع خود بهمنزلهی «ابزاری ضروری برای سازگاری بهتر با سیر تغییرات اقلیمی، بهویژه در شرایط جوی شدید» خواهد بود. آنها میگویند امروز که جهان ما درگیر الگوهای آبوهوایی بهشدت پیشبینیناپذیری شده است، قابلیت پیشبینی کوتاهمدت نقشی کلیدی در مدیریت بحران و کاهش تلفات جانی خواهد داشت.
گوگل در پژوهش اخیر خود از دادههای راداری برای پیشبینی بارندگی بهره برده؛ در تصویر بالا محل شکلگیری ابرها و در تصویر پایین محل بارندگی نمایش داده شده است.
برترین مزیت روش بهکارفته ازسوی گوگل نسبت به روشهای سنتی پیشبینی آبوهوا در سرعت محاسبات آن است. پژوهشگران گوگل حاصل کار خود را با دو روش فعلی موجود مقایسه کردهاند. یکی از این روشها «پیشبینی شار نوری» (OF) است که بر تغییرات پدیدههایی نظیر ابرها تکیه دارد؛ روش دیگر «پیشبینی برمبنای شبیهسازی» است که در آن، شبیهسازیهای فیزیکی دقیقی از سیستمهای آبوهوایی تولید میشود.
مشکل اصلی این روشهای قدیمی (بهخصوص شبیهسازیهای فیزیکی) آن است که وابسته به انجام حجم بسیار بالایی از محاسبات هستند. بهعنوان مثال، برای انجام شبیهسازیهای فعلی از سوی آژانسهای دولتی پیشبینی آبوهوای ایالات متحده نیاز به پردازش روزانهی بیش از ۱۰۰ ترابایت داده از سراسر ایستگاههای هوایی کشور است که تحقق آن خود مستلزم صرف ساعتها پردازش باکمک ابررایانههایی گرانقیمت خواهد بود. جیسون هایکی، مهندس نرمافزار گوگل در وبلاگش چنین آورده است:
اگر انجام محاسبات یک پیشبینی نیازمند ۶ ساعت زمان باشد، این بدان معنا خواهد بود که تنها قادر به انجام ۳ الی ۴ شبیهسازی در هر روز هستیم که آن هم برمبنای دادههای ۶ ساعت پیش بهدست آمدهاند. چنین فرایندی دانش ما را نسبتبه آنچه هماینک در حال وقوع است، با محدودیت مواجه خواهد کرد.
اما روشهای تازه ابداعشده توسط گوگل میتوانند تنها در عرض چند دقیقه نتایج لازم را تولید کنند؛ چراکه در این روشها، کل سیستمهای پیچیدهی آبوهوایی مدلسازی نمیشوند؛ بلکه در عوض، از دادههای راداری ساده بهعنوان معیاری برای پیشبینی بارندگی بهره برده میشود.
پژوهشگران گوگل مدل هوش مصنوعی خود را باکمک دادههای راداری تاریخی جمعآوریشده در بازهی زمانی سالهای ۲۰۱۷ تا ۲۰۱۹ ازسوی ادارهی ملی جوی و اقیانوسی ایالات متحده (NOAA) آموزش دادند. آنها میگویند نتایج این پیشبینی به خوبی نتایج حاصل از سه روش رایج فعلی بوده و حتی در مواردی از آنها بهتر نیز بوده است. برتری این مدل جدید زمانی آشکار شد که توانست پیشبینیهای خود را ۶ ساعت زودتر نسبتبه مدلهای قبلی ارائه کند.
دستاورد یادشده نقطهعطفی در کاربرد یادگیری ماشین در پیشبینیهای آبوهوایی است؛ چراکه میتوان باکمک این ابزار، پیشبینیهای کوتاهمدت را با سرعت بسیار بیشتری انجام داد و در عین حال، پیشبینیهای بلندمدتتر را به مدلهای قدرتمندتر واگذار کرد. گرچه هنوز برای اظهارنظر درمورد دامنهی اثرات فناوری هوشمصنوعی در پیشبینی آبوهوا بسیار زود است؛ ولی بسیاری از شرکتها نظیر IBM و Monsanto از همین حالا سرمایهگذاری در این عرصه را آغاز کردهاند. همانگونه که پژوهشگران گوگل بدان اشاره دارند، همزمان با اوجگیری سیر تغییرات اقلیمی در جهان اطراف ما، تکنیکهای پیشبینی آبوهوا نیز بهمرور اهمیت بیشتری در زندگی روزمرهمان پیدا خواهند کرد.