مدل هوش مصنوعی WeatherNext محصول Google DeepMind با دقت بالا مسیر طوفان ها را پیش بینی می کند

 در اکتبر ۲۰۲۵، طوفانی در دریای کارائیب شکل گرفت و مدل‌های پیش‌بینی هوا درباره مسیر حرکت آن اختلاف نظر داشتند. مشخص نبود این سامانه ضعیف باقی می‌ماند و به سمت هائیتی می‌رود یا قدرت می‌گیرد و به سمت جامائیکا حرکت می‌کند. مدل هوش مصنوعی WeatherNext که توسط Google DeepMind و Google Research توسعه داده شده است، مسیر دوم را پیش‌بینی کرد. این مدل پنج روز پیش از رسیدن طوفان به خشکی، با اطمینان ۸۰ درصد پیش‌بینی کرده بود که این سامانه به‌عنوان یک طوفان رده ۵ به جامائیکا خواهد رسید.

طوفان ملیسا خسارت‌های گسترده‌ای به بار آورد و باعث جاری شدن سیل و رانش زمین در مناطق مختلف جامائیکا شد. با این حال، مدل هوش مصنوعی به کارشناسان هواشناسی کمک کرد تا هشدارها را زودتر به جوامع در مسیر طوفان برسانند و مردم فرصت بیشتری برای آماده شدن داشته باشند.

این پست را از دست ندهید: هوش مصنوعی گوگل تا 15 روز آینده ، آب و هوا را بهتر پیش بینی کرد

پژوهشگران در مقاله‌ای که روز پنجشنبه در مجله Nature منتشر شد، اعلام کردند مدل هوش مصنوعی WeatherNext می‌تواند مسیر حرکت طوفان‌های حاره‌ای را با دقتی بی‌سابقه پیش‌بینی کند. این مدل به‌طور میانگین حدود یک روز زودتر از مدل‌های موجود اطلاعات قابل اتکا در اختیار کارشناسان قرار می‌دهد. به این معنا که پیش‌بینی سه‌روزه WeatherNext تقریباً به اندازه پیش‌بینی دو روزه مدل‌های قبلی دقیق است. در شرایط واقعی، همین یک روز اضافه می‌تواند اهمیت بسیار زیادی داشته باشد.

مایک برنان، مدیر مرکز ملی طوفان‌های آمریکا، می‌گوید حتی چند ساعت نیز می‌تواند تفاوت بزرگی ایجاد کند. تخلیه ساکنان، آماده‌سازی تجهیزات و انتقال منابع برای مقابله با خطر طوفان، همگی به زمان زیادی نیاز دارند و یک تصمیم اشتباه نیز می‌تواند پیامدهای سنگینی داشته باشد. او تأکید می‌کند که زمان در چنین تصمیم‌هایی اهمیت زیادی دارد و اینکه بتوان دقت پیش‌بینی‌ها را تا حدود یک روز بیشتر از گذشته افزایش داد، بسیار ارزشمند است.

پژوهشگران می‌گویند در گذشته، افزایش زمان پیش‌بینی دقیق طوفان‌ها به اندازه یک روز، ممکن بود به یک دهه تلاش تحقیقاتی نیاز داشته باشد.

پیش‌بینی رویدادهای شدید آب‌وهوایی برای مدل‌های هوش مصنوعی چالش‌برانگیز است. مدل‌های یادگیری ماشین برای پیش‌بینی آینده به حجم زیادی از داده‌های آموزشی نیاز دارند، در حالی که رویدادهای شدید آب‌وهوایی ذاتاً به‌ندرت رخ می‌دهند. فران آلت، دانشمند پژوهشی در Google DeepMind، می‌گوید داده‌های مربوط به طوفان‌های حاره‌ای چندان زیاد نیست، اما داده‌های آب‌وهوایی بسیار زیادی در دسترس است. به همین دلیل، پژوهشگران مدلی را آموزش دادند که بتواند هم در پیش‌بینی وضعیت عمومی آب‌وهوا و هم در پیش‌بینی طوفان‌های حاره‌ای عملکرد خوبی داشته باشد.