Jannah Theme License is not validated, Go to the theme options page to validate the license, You need a single license for each domain name.
منوعات

يعمل الذكاء الاصطناعي في Google على خفض طاقة الكمبيوتر اللازمة للتنبؤ بالطقس


يمكن أن يساعد الذكاء الاصطناعي في التنبؤ بالطقس بشكل أكثر دقة

رانيميرو لوتوفو نيتو/علمي

قام باحثون من شركة جوجل ببناء ذكاء اصطناعي يقولون إنه قادر على التنبؤ بأنماط الطقس والمناخ تمامًا مثل نماذج الفيزياء الحالية بينما يتطلب أيضًا طاقة كمبيوتر أقل.

تعتمد التوقعات الحالية على نماذج رياضية تديرها أجهزة كمبيوتر عملاقة قوية للغاية وتتنبأ بشكل حتمي بما سيحدث في المستقبل. منذ أن تم استخدامها لأول مرة في الخمسينيات من القرن الماضي، أصبحت هذه النماذج أكثر تفصيلاً، مما يتطلب المزيد من قوة الكمبيوتر.

تهدف العديد من المشاريع إلى استبدال هذه الحسابات المكثفة بذكاء اصطناعي أقل تطلبًا، بما في ذلك أداة DeepMind للتنبؤ بهطول الأمطار محليًا على فترات زمنية قصيرة. ولكن مثل معظم نماذج الذكاء الاصطناعي، فإن هذه النماذج عبارة عن “صندوق أسود” تعتبر أعماله الداخلية لغزا، وعدم القدرة على شرح أو تكرار أساليبها يمثل مشكلة. ويشير علماء المناخ أيضًا إلى أنه إذا تم تدريب النماذج على البيانات التاريخية، فسوف تجد صعوبة في التنبؤ بالظواهر غير المسبوقة التي تحدث الآن بسبب تغير المناخ.

الآن، قام ديمتري كوتشكوف – من مركز أبحاث جوجل في كاليفورنيا – وزملاؤه بإنشاء نموذج يسمى NeuralGCM، ويعتقدون أنه يحقق التوازن بين النهجين.

تقسم النماذج المناخية النموذجية سطح الأرض إلى شبكة من الخلايا يصل عرضها إلى 100 كيلومتر؛ إن حدود قوة الحوسبة تجعل من غير العملي المحاكاة بدقة أعلى. يتم تقريب الظواهر مثل السحب والاضطرابات الجوية والحمل الحراري داخل تلك الخلايا فقط من خلال كود الكمبيوتر الذي يتم تعديله باستمرار لتتناسب بشكل أكثر دقة مع بيانات الرصد. ويأمل هذا النهج، الذي يُطلق عليه اسم “المعاملات البارامترية”، في التقاط الظواهر الصغيرة الحجم، جزئيًا على الأقل، والتي لا يستطيع النموذج الفيزيائي الأوسع التقاطها.

تم تدريب NeuralGCM لتولي هذا التقريب على نطاق صغير، مما يجعله أقل كثافة من الناحية الحسابية وأكثر دقة. في ورقة بحثية، يقول الباحثون أن النموذج يمكنه معالجة 70 ألف يوم من المحاكاة خلال 24 ساعة باستخدام شريحة واحدة تسمى وحدة المعالجة الموترية (TPU). وبالمقارنة، يستخدم نموذج منافس يسمى X-SHIELD حاسوبًا فائقًا مزودًا بالآلاف من وحدات المعالجة لمعالجة 19 يومًا فقط من المحاكاة.

تدعي الورقة أيضًا أن NeuralGCM تنتج تنبؤات بدقة مماثلة للنماذج الأفضل في فئتها، وفي بعض الأحيان أفضل منها. لم تستجب Google لطلب المقابلة من عالم جديد.

يقول تيم بالمر من جامعة أكسفورد إن البحث هو محاولة مثيرة للاهتمام لإيجاد طريق ثالث بين الفيزياء البحتة والتقريب الغامض للذكاء الاصطناعي. يقول: “أشعر بعدم الارتياح تجاه فكرة أننا نتخلى تمامًا عن معادلات الحركة وننتقل فقط إلى بعض أنظمة الذكاء الاصطناعي، والتي سيقول حتى الخبراء إنهم لا يفهمونها تمامًا”.

ويقول إن هذا النهج الهجين يمكن أن يفتح المزيد من النقاش والبحث في مجتمع النمذجة، ولكن الوقت وحده هو الذي سيحدد ما إذا كان سيتم اعتماده من قبل المصممين في جميع أنحاء العالم. “إنها خطوة جيدة في الاتجاه الصحيح، وهي نوع البحث الذي يجب أن نقوم به. إنه لأمر رائع أن نرى كل هذه الطرق البديلة مطروحة على الطاولة.

المواضيع:

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى