در فصل طوفانهای امسال، هواشناسان از مدلهای مختلف پیشبینی استفاده کردند. با پایان فصل، کارشناسان عملکرد این مدلها را بررسی کردهاند و مدل تازهوارد گوگل همه را شگفتزده کرده است.
با وجود اینکه آزمایشگاه هواشناسی گوگل دیپمایند از ژوئن شروع به انتشار پیشبینیها کرده، طبق تحلیل اولیهای از برایان مکنولدی، پژوهشگر ارشد دانشگاه میامی، این مدل بهترین عملکرد را در پیشبینی مسیر و شدت طوفانها داشته است. در مقابل، مدل اصلی پیشبینی آمریکا یعنی Global Forecast System ضعیفترین عملکرد را ثبت کرده است.
مرکز ملی طوفان آمریکا قرار است طی چند ماه آینده دادههای رسمی مربوط به عملکرد هر مدل را منتشر کند، اما این ارزیابی اولیه نشاندهنده نقطهعطفی در حوزه پیشبینی طوفانهاست. با آشکار شدن برتری چشمگیر مدلهای مبتنی بر هوش مصنوعی، ممکن است زمان کنار گذاشتن مدلهای سنتی مبتنی بر فیزیک فرا رسیده باشد.
اریک برگر، هواشناس مستقر در هیوستون و خبرنگار حوزه فضا، در گزارشی برای Ars Technica نوشته است: «از این پس میتوان با اطمینان گفت که به مدلهای هواشناسی گوگل و دیگر مدلهای هوش مصنوعی تکیه خواهیم کرد؛ مدلهایی که بهدلیل نو بودن، هنوز جای رشد دارند و احتمالاً در سالهای آینده بهتر خواهند شد.»
تحلیل مکنولدی شامل دو نمودار است: یکی مربوط به دقت پیشبینی مسیر برای ۱۳ طوفان نامگذاریشده در حوزه آتلانتیک، و دیگری مربوط به دقت پیشبینی شدت آنها. خطوط رنگی مختلف نشاندهنده مدلهای پیشبینی مختلف هستند و هرچه خط پایینتر باشد، عملکرد آن مدل بهتر بوده است.
مدل پیشبینی GFS که در این بررسی با نام AVNI شناخته میشود، در نمودارها با رنگ نارنجی در بالاترین نقطه دیده میشود. این مدل در دهه ۱۹۸۰ توسط سازمان ملی اقیانوسی و جوی آمریکا (NOAA) توسعه یافت و هنوز هم نسخه بهروزشده آن توسط خدمات ملی هواشناسی آمریکا بهعنوان سیستم اصلی پیشبینی استفاده میشود.
مایکل لوری، هواشناس مستقر در میامی و متخصص طوفان، در یک پست وبلاگی نوشته است: «مدل GFS در پیشبینی طوفان ملیسا عملکرد بسیار ضعیفی داشت؛ میانگین خطای مسیر پنجروزه آن به بیش از ۸۰۰ کیلومتر رسید و بهاشتباه پیشبینی کرد که طوفان به سمت دریا منحرف میشود، در حالی که چنین اتفاقی نیفتاد.»
بر خلاف مدل گوگل، GFS بر پایه اصول فیزیکی سنتی و ابررایانههای پیشرفته عمل میکند. تفاوت میان این دو مدل در نمودارها کاملاً مشهود است؛ مدل گوگل در پایینترین نقطه قرار دارد که نشاندهنده عملکرد برتر آن نسبت به سایر مدلهای بررسیشده، بهویژه GFS است.
لوری همچنین نوشته است: «مزیت مدلهای دادهمحور و مبتنی بر هوش مصنوعی مانند DeepMind در این است که پیشبینیها را بسیار سریعتر از مدلهای فیزیکی سنتی تولید میکنند؛ مدلهایی که به گرانترین و پیشرفتهترین ابررایانههای جهان نیاز دارند. افزون بر این، این مدلهای هوشمند با معماری شبکه عصبی میتوانند از اشتباهات خود درس بگیرند و در لحظه اصلاح شوند.»
طوفان ملیسا که هفته گذشته منطقه کارائیب را درنوردید، تنها یک نمونه از طوفانهایی است که با افزایش دمای سطح دریا شدت بیشتری پیدا کردهاند. با توجه به اینکه تغییرات اقلیمی باعث مرگبارتر شدن و خسارتبارتر شدن طوفانها میشود، ضروری است که پیشبینیکنندگان به بهترین ابزارهای ممکن برای تشخیص مسیر و شدت آنها دسترسی داشته باشند.
مدلهای مبتنی بر هوش مصنوعی میتوانند به هواشناسان کمک کنند تا با دنیای گرمتر سازگار شوند. ورود چشمگیر DeepMind به این عرصه توجه بسیاری را جلب کرده و ممکن است آغازگر دورهای تازه در پیشبینی طوفانها باشد.
