1

فناوری جدید در حال تغییر روش‌های پیش‌بینی آب‌وهوا است. سیستم “Aardvark Weather” با استفاده از هوش مصنوعی، پیش‌بینی‌های دقیق آب‌وهوایی را تنها در چند دقیقه و از طریق یک رایانه معمولی ارائه می‌دهد. این سیستم ده‌ها برابر سریع‌تر از روش‌های فعلی است و تنها به بخش کوچکی از قدرت محاسباتی نیاز دارد.

پیشینه توسعه فناوری
این فناوری توسط دانشمندان دانشگاه کمبریج و با حمایت موسسه آلن تورینگ، مایکروسافت ریسرچ و مرکز پیش‌بینی میان‌مدت آب‌وهوا در اروپا (ECMWF) توسعه یافته است. این سیستم پایه‌ای برای نسل جدیدی از پیش‌بینی‌ها ایجاد می‌کند که می‌تواند نحوه درک و آماده‌سازی برای شرایط جوی را در سراسر جهان تغییر دهد.

روش سنتی پیش‌بینی آب‌وهوا
در حال حاضر، بیشتر پیش‌بینی‌های آب‌وهوا با استفاده از سیستم‌های عظیمی انجام می‌شوند که به ابررایانه‌های قدرتمند نیاز دارند. این سیستم‌ها دقیق هستند اما هزینه‌بر، پیچیده و کند محسوب می‌شوند.

هر مرحله از فرآیند پیش‌بینی – از جمع‌آوری داده‌ها تا ارائه پیش‌بینی‌های محلی – ساعت‌ها زمان می‌برد و نیازمند مراحل فنی متعددی است. حتی به‌روزرسانی‌های کوچک این سیستم‌ها، سال‌ها زمان و تیم‌های متخصص زیادی نیاز دارد.

اخیراً شرکت‌هایی مانند هواوی، گوگل و مایکروسافت نشان داده‌اند که هوش مصنوعی می‌تواند یکی از این مراحل، یعنی حل‌کننده عددی (که نحوه تکامل سیستم‌های آب‌وهوا را محاسبه می‌کند) را جایگزین کند. این پیشرفت، پیش‌بینی‌ها را هم سریع‌تر و هم دقیق‌تر کرده است. ECMWF در حال حاضر ترکیبی از ابزارهای سنتی و مبتنی بر هوش مصنوعی را به کار می‌گیرد.

رویکرد جدید در پیش‌بینی آب‌وهوا
“Aardvark” یک گام فراتر می‌رود و کل فرآیند پیش‌بینی را با یک مدل یادگیری ماشینی واحد جایگزین می‌کند. این سیستم داده‌های لحظه‌ای را از ماهواره‌ها، حسگرها و ایستگاه‌های هواشناسی دریافت کرده و بلافاصله پیش‌بینی‌های محلی و جهانی ارائه می‌دهد.

نتیجه؟ پیش‌بینی‌های فوق‌سریع که حتی روی یک رایانه معمولی قابل اجرا هستند. همچنین، چون این مدل مستقیماً بر اساس داده‌ها آموزش می‌بیند، از بسیاری از چالش‌های مربوط به طراحی مدل‌های پیش‌بینی جدید از ابتدا اجتناب می‌شود.

مزایای مدل Aardvark
پروفسور ریچارد ترنر، پژوهشگر ارشد پیش‌بینی آب‌وهوا در موسسه آلن تورینگ و استاد یادگیری ماشینی در دانشگاه کمبریج می‌گوید:

“Aardvark روش‌های کنونی پیش‌بینی آب‌وهوا را بازتعریف کرده و پتانسیل ایجاد پیش‌بینی‌هایی سریع‌تر، ارزان‌تر، انعطاف‌پذیرتر و دقیق‌تر از همیشه را دارد. این تحول، هم در کشورهای توسعه‌یافته و هم در کشورهای در حال توسعه، می‌تواند تأثیر چشمگیری داشته باشد.”

وی همچنین اضافه کرد که این پیشرفت بدون دهه‌ها توسعه مدل‌های فیزیکی توسط جامعه علمی ممکن نبود و از داده‌های ERA5 مرکز ECMWF برای آموزش این مدل استفاده شده است.

دقت بالاتر با داده‌های کمتر
حتی زمانی که Aardvark تنها از ۱۰٪ داده‌هایی که مدل‌های سنتی نیاز دارند استفاده می‌کند، باز هم در بسیاری از شاخص‌ها از سیستم پیش‌بینی ملی GFS ایالات متحده عملکرد بهتری دارد.

همچنین، پیش‌بینی‌های این مدل با تحلیل‌های کارشناسانی که از ده‌ها مدل مختلف استفاده می‌کنند، رقابت می‌کند. این کارایی، Aardvark را نه‌تنها سریع بلکه به‌طور چشمگیری تطبیق‌پذیر می‌سازد.

این مدل می‌تواند به‌سرعت برای پیش‌بینی‌های خاص مکانی مانند میزان بارش برای مزارع آفریقا یا سرعت باد برای مزارع بادی اروپا آموزش داده شود. سطح سفارشی‌سازی که در گذشته سال‌ها طول می‌کشید، اکنون با Aardvark در چند هفته امکان‌پذیر است.

دسترسی برای همه
یکی از ویژگی‌های امیدوارکننده Aardvark، قابلیت دسترسی آن است. ازآنجاکه این مدل به ابررایانه‌های گران‌قیمت متکی نیست، می‌تواند در هر نقطه از جهان حتی در کشورهایی با زیرساخت‌های محاسباتی محدود استفاده شود. این موضوع به ایجاد برابری در دسترسی به پیش‌بینی‌های دقیق و برنامه‌ریزی برای شرایط جوی کمک می‌کند.

متیو چانتری، مدیر راهبردی یادگیری ماشینی در ECMWF می‌گوید:

“ما از همکاری در این پروژه که به بررسی نسل بعدی سیستم‌های پیش‌بینی آب‌وهوا می‌پردازد، هیجان‌زده‌ایم. هدف ما توسعه و ارائه پیش‌بینی‌های عملیاتی مبتنی بر هوش مصنوعی است و درعین‌حال، اشتراک‌گذاری آزادانه داده‌ها برای پیشبرد علم و منافع عمومی را دنبال می‌کنیم.”

دکتر کریس بیشاپ، مدیر بخش هوش مصنوعی در مایکروسافت ریسرچ، نیز خاطرنشان کرد که Aardvark نه‌تنها یک دستاورد مهم در پیش‌بینی آب‌وهوای مبتنی بر هوش مصنوعی است، بلکه قدرت همکاری و گرد هم آوردن جامعه تحقیقاتی برای بهبود و کاربرد هوش مصنوعی در مسائل اساسی را نشان می‌دهد.

گام‌های بعدی برای Aardvark
گام بعدی، ایجاد یک تیم در مؤسسه آلن تورینگ برای گسترش استفاده از Aardvark، به‌ویژه در کشورهای درحال‌توسعه است. متخصصان همچنین برنامه دارند که این مدل را در تلاش‌های گسترده‌تر برای پیش‌بینی محیطی، ازجمله تحلیل وضعیت یخ‌های دریایی و رفتار اقیانوس‌ها ادغام کنند.

دکتر اسکات هاسکینگ، مدیر علوم و نوآوری در حوزه محیط‌زیست و پایداری در مؤسسه آلن تورینگ، می‌گوید:

“استفاده از پتانسیل هوش مصنوعی، تصمیم‌گیری را برای همه – از سیاست‌گذاران و برنامه‌ریزان اضطراری گرفته تا صنایعی که به پیش‌بینی دقیق آب‌وهوا وابسته‌اند – متحول خواهد کرد. پیشرفت Aardvark فقط در سرعت خلاصه نمی‌شود، بلکه به معنای دسترسی گسترده‌تر است.”

“با انتقال پیش‌بینی‌های آب‌وهوا از ابررایانه‌ها به رایانه‌های معمولی، می‌توانیم فرآیند پیش‌بینی را دموکراتیزه کنیم و این فناوری‌های قدرتمند را در دسترس کشورهای درحال‌توسعه و مناطق دارای کمبود داده قرار دهیم.”

این مطالعه کامل در مجله Nature منتشر شده است.