مدل هوش مصنوعی WeatherNext گوگل می‌تواند وقوع طوفان‌های حاره‌ای را یک روز زودتر پیش‌بینی کند

پیش‌بینی چگونگی شکل‌گیری و تشدید طوفان‌های حاره‌ای خطرناک، چالشی دیرینه است که در آن هر ساعت اهمیت دارد. طوفان‌های حاره‌ای (Tropical Cyclones) که با نام‌های هاریکن (Hurricane) یا تایفون (Typhoon) نیز شناخته می‌شوند از مخرب‌ترین پدیده‌های جوی زمین هستند و طی ۵۰ سال گذشته، در سراسر جهان بیش از ۷۰۰ هزار مورد مرگ و ۱.۴ تریلیون دلار خسارت اقتصادی به بار آورده‌اند. برای متخصصان پیش‌بینی هواشناسی، صدور هشدارهای به‌موقع و دقیق، همواره رقابتی با زمان است.

پژوهشی برای هشدار به جامعه

متخصصان گوگل DeepMind در مقاله‌ای که در نشریه Nature منتشر شده نشان دادند که مدل هوش مصنوعی WeatherNext در پیش‌بینی مسیر حرکت، شدت و ساختار باد یک طوفان حاره‌ای، به دقتی در سطح پیشرفته‌ترین مدل‌های موجود دست یافته است. این مدل به طور میانگین یک روز کامل به زمان پیش‌بینی قابل‌اتکا برای پیش‌بینی هواشناسی اضافه می‌کند؛ به این معنا که پیش‌بینی‌های سه‌روزه تیم پژوهشی از نظر کیفیت، هم‌سطح پیش‌بینی‌هایی هستند که مدل‌های پیشین تنها برای دو روز آینده ارائه می‌کردند. این میزان بهبود، تقریباً معادل یک دهه پیشرفت در علم هواشناسی است.

این تیم، پژوهشگران و مهندسان هوش مصنوعی در Google DeepMind و Google Research را در کنار متخصصان مرکز ملی طوفان‌های آمریکا (NHC)، مؤسسه تعاونی پژوهش‌های جوی (CIRA)، اداره هواشناسی بریتانیا (UK Met Office) و سازمان‌های هواشناسی سراسر جهان گرد هم آورد.

پژوهش‌های گوگل تاکنون تأثیر خود را در دنیای واقعی نیز نشان داده است. در فصل طوفان‌های سال ۲۰۲۵، مدل گوگل به NHC کمک کرد تا با پیش‌بینی تشدید سریع طوفان ملیسا (Hurricane Melissa) و رسیدن آن به خشکی در جامائیکا، یک پیش‌بینی تاریخی ارائه کند. این قابلیت به NHC امکان داد هشدارهای پیشگیرانه صادر کند و زمان حیاتی بیشتری در اختیار تیم‌های حاضر در محل قرار دهد تا برای طوفان آماده شوند. امسال نیز گوگل همکاری خود را با NHC ادامه داد و اکنون برای هر طوفان حاره‌ای تا ۱۰۰۰ سناریوی احتمالی تولید می‌کند به کارشناسان هواشناسی در تصمیم‌گیری‌هایشان کمک کند.

آب‌وهوا بر زندگی همه انسان‌ها تأثیر می‌گذارد. باتوجه‌به گستردگی این تأثیر، گوگل اکنون مدل‌های WeatherNext 2 و WeatherNext Cyclones را به‌صورت متن‌باز در دسترس متخصصان قرار داده است.

دانلود و دسترسی به مدل WeatherNext در گیت‌هاب

WeatherNext چگونه آب‌وهوا و طوفان‌های حاره‌ای را پیش‌بینی می‌کند؟

پیش‌بینی طوفان‌های حاره‌ای معمولاً مستلزم ایجاد تعادل میان دو تکنیک مدل‌سازی مجزا بوده است. مسیر حرکت طوفان (اینکه به کجا می‌رود) تحت‌تأثیر جریان‌های عظیم جوی در مقیاس جهانی قرار دارد؛ جریان‌هایی که تا پیش‌ازاین، بهترین عملکرد در مدل‌سازی آن‌ها متعلق به مدل‌های جهانی با تفکیک‌پذیری مکانی پایین‌تر بود. در مقابل، شدت طوفان (اینکه تا چه اندازه قدرتمند می‌شود) تحت‌تأثیر فرایندهای فیزیکی ترمودینامیکی محلی و در مقیاس کوچک در اطراف هسته طوفان قرار دارد؛ فرایندهایی که بهترین عملکرد در مدل‌سازی آن‌ها به مدل‌های محلی تخصصی با تفکیک‌پذیری بالاتر اختصاص داشت.

مدل WeatherNext با بهبود پیش‌بینی آب‌وهوای جهانی در کنار پیش‌بینی طوفان‌های حاره‌ای، این شکاف را پر می‌کند. این مدل، یک مدل هوش مصنوعی واحد است که مسیر حرکت، شدت و ساختار باد یک طوفان حاره‌ای را با دقتی در سطح پیشرفته‌ترین مدل‌های موجود پیش‌بینی می‌کند. این جهش عملکردی از طریق ترکیبی منحصربه‌فرد از شیوه آموزش، معماری مدل و رویکرد آن به ورودی‌های با وضوح پایین حاصل شده است.

این مدل به‌صورت مشترک روی دو نوع داده متفاوت آموزش داده شد که شامل دینامیک آب‌وهوای جهانی و مشاهدات تاریخی طوفان‌های حاره‌ای که توسط کارشناسان گردآوری و اعتبارسنجی شده بودند. مدل با آموزش سرتاسری (end-to-end) روی نزدیک به ۲۰ ترابایت داده‌های جوی جهانی و پایگاه‌داده تاریخی IBTrACS که تقریباً ۵۰۰۰ طوفان تاریخی را در بر می‌گیرد، الگوهای پیچیده جوی و نحوه مدل‌سازی شرایط آب‌وهوایی شدید را یاد می‌گیرد.

این مدل از «شبکه‌های مولد تابعی» (Functional Generative Networks (FGNs)) برای تولید مجموعه‌ای از پیش‌بینی‌های متفاوت استفاده می‌کند؛ رویکردی که عدم قطعیت ذاتی موجود در آب‌وهوا را نیز در نظر می‌گیرد. اکنون می‌توان یک پیش‌بینی ۱۵روزه را روی یک واحد پردازش تنسوری (TPU) در کمتر از یک دقیقه تولید کرد. این قابلیت به کارشناسان امکان می‌دهد توزیع احتمالاتی ریسک‌های دنباله‌ای بالقوه ویرانگر را به‌سرعت ارزیابی کنند. سال گذشته، سامانه گوگل در هر نوبت ۵۰ پیش‌بینی تولید می‌کرد که با مدل‌های جهانی مبتنی بر فیزیک قابل‌مقایسه بود. امسال اندازه مجموعه پیش‌بینی به ۱۰۰۰ عضو افزایش داده شده تا بتوان سناریوهای نادر اما پیامددار، مانند رخدادهای تشدید سریع طوفان را نیز ثبت کرد.

تا پیش‌ازاین، تصور می‌شد فعالیت در تفکیک‌پذیری مکانی بسیار بالا، عامل اصلی دستیابی به پیش‌بینی‌های دقیق از شدت طوفان است. بااین‌حال، WeatherNext Cyclones تنها به داده‌هایی با تفکیک‌پذیری ۲۸×۲۸ کیلومتر نیاز دارد؛ یعنی تفکیک‌پذیری آن ۱۰۰ برابر درشت‌تر از مدل‌های سنتی است. نسخه کوچک‌تر این مدل، یعنی WeatherNext 2-mini که با تفکیک‌پذیری ۱۱۱×۱۱۱ کیلومتر کار می‌کند نیز عملکرد بسیار خوبی از خود نشان می‌دهد.

در دسترس قراردادن WeatherNext برای جامعه پژوهشی

گوگل هم‌زمان با انتشار مقاله در Nature، کد و وزن‌های مدل را نیز به‌صورت متن‌باز منتشر کرد تا هر فردی بتواند به‌صورت رایگان از آن‌ها استفاده کرده و توسعه دهد. این منابع برای پژوهش‌های دانشگاهی، پیش‌بینی عملیاتی یا توسعه مدل‌های تخصصی‌تر و محلی‌سازی‌شده در دسترس خواهند بود.

دانلود و دسترسی به مدل WeatherNext در گیت‌هاب

همچنین دو مجموعه مدل مشابه نیز منتشر شده است. مدل WeatherNext Cyclones که در طول فصل طوفان‌ها مورداستفاده عملیاتی قرار گرفت و نتایج آن در مقاله ارائه شده است و مدل WeatherNext 2 که به‌عنوان یک به‌روزرسانی در ماه اکتبر وارد فاز عملیاتی شد. علاوه بر این، WeatherNext 2-mini نیز منتشر شده که نسخه‌ای فشرده از این مدل است که می‌تواند روی یک TPU واحد و در یک نوت‌بوک عمومی و رایگان Colab اجرا شود.

همچنین می‌توانید جدیدترین پیش‌بینی‌های گوگل درباره طوفان‌های حاره‌ای را در Weather Lab مشاهده کنید؛ پلتفرمی که اخیراً رابط کاربری آن را به‌روزرسانی شده و علاوه بر مسیر حرکت طوفان‌ها، پیش‌بینی‌های آب‌وهوای جهانی نیز به آن افزوده شده است.  Weather Lab اکنون به شما امکان می‌دهد پیش‌بینی‌های WeatherNext برای دما، بارش، سرعت باد و موارد دیگر را همگی در یک نمای واحد مشاهده و به‌صورت بصری بررسی کنید.