این سامانه جدید که «آرورا» (Aurora) نام دارد و هنوز تجاریسازی نشده، قادر است پیشبینیهای ۱۰ روزه هوا و مسیر طوفانهای گرمسیری را با دقت و سرعتی بالاتر، و هزینهای کمتر نسبت به روشهای سنتی انجام دهد. این موضوع در مقالهای در مجله علمی Nature گزارش شده است.
پاریس پردیکارِس، نویسنده ارشد مقاله و استاد مهندسی مکانیک در دانشگاه پنسیلوانیا، میگوید:
«برای نخستین بار، یک سامانه هوش مصنوعی توانسته از همه مراکز عملیاتی پیشبینی طوفان جلو بزند.»
آرورا تنها با استفاده از دادههای تاریخی آموزش دیده و موفق شده تمام طوفانهای سال 1402 را دقیقتر از مراکز رسمی پیشبینی مانند مرکز ملی طوفان آمریکا پیشبینی کند.
مدلهای سنتی پیشبینی هوا بر پایه اصول فیزیکی اولیه مانند بقای جرم، تکانه و انرژی طراحی شدهاند و به توان پردازشی بسیار بالایی نیاز دارند.
در مقابل، هزینه محاسباتی مدل آرورا چند صد برابر کمتر بوده است.
این نتایج آزمایشی در ادامه معرفی مدل هوش مصنوعی “Pangu-Weather” توسط شرکت چینی هوآوی در سال 1402 ارائه شدهاند و ممکن است آغازگر تغییری اساسی در شیوه پیشبینی پدیدههای شدید و مرگبار جوی توسط آژانسهای بزرگ هواشناسی جهان باشند.
جستجوی “جام مقدس” در علم آبوهوا
پردیکارِس در ارائهای ویدئویی که توسط مجله Nature منتشر شد گفت:
«من باور دارم که ما در آغاز عصری تازه در علم سامانههای جوی هستیم.»
«در ۵ تا ۱۰ سال آینده، هدف نهایی این است که سیستمهایی بسازیم که مستقیماً بتوانند از دادههای ماهوارهای و ایستگاههای هواشناسی استفاده کرده و پیشبینیهایی با دقت بالا و در هر نقطهای ارائه دهند.»
به گفته طراحان، آرورا نخستین مدل هوش مصنوعی است که بهطور پیوسته توانسته در پیشبینی مسیر پنجروزه سیکلونهای ویرانگر از هفت مرکز پیشبینی پیشی بگیرد.
برای نمونه، آرورا چهار روز پیش از وقوع، محل و زمان دقیق برخورد طوفان “دوکسوری” (Doksuri) — پرهزینهترین تایفون ثبتشده در اقیانوس آرام — به فیلیپین را درست پیشبینی کرد، در حالی که پیشبینیهای رسمی در آن زمان، مسیر طوفان را به سوی شمال تایوان نشان میدادند.
مدل هوش مصنوعی مایکروسافت همچنین در ۹۲ درصد موارد، عملکرد بهتری نسبت به مدل مرکز پیشبینی میانمدت اروپا (ECMWF) در پیشبینیهای ۱۰روزه جهانی در مقیاسی حدود ۱۰ کیلومتر مربع داشت.
مرکز ECMWF که برای ۳۵ کشور اروپایی پیشبینی انجام میدهد، معیار جهانی دقت پیشبینی هوا محسوب میشود.
در ماه دی نیز گوگل اعلام کرد که مدل GenCast این شرکت توانسته در بیش از ۹۷ درصد از ۱۳۲۰ فاجعه اقلیمی ثبتشده در سال 1398، دقت بالاتری نسبت به مدل اروپایی داشته باشد.
این عملکردهای امیدوارکننده — که همگی آزمایشی و بر اساس وقایع واقعی هستند — اکنون مورد توجه جدی مراکز هواشناسی قرار گرفتهاند.
برخی از این مراکز، از جمله Meteo-France، در حال توسعه مدلهای یادگیری ماشینی خاص خود در کنار مدلهای دیجیتال سنتی هستند.
خانم فلورانس رابیِه، مدیرکل ECMWF، به خبرگزاری AFP گفت:
«ما این موضوع را کاملاً جدی گرفتهایم.»
او افزود:
«اولین مدل یادگیری ما که در ماه فوریه در اختیار کشورهای عضو قرار گرفت، از نظر زمان پردازش حدود هزار برابر ارزانتر از مدل فیزیکی سنتی است.»
گرچه این مدل با دقت مکانی پایینتری (۳۰ کیلومتر مربع) نسبت به آرورا عمل میکند، اما هماکنون بهطور رسمی مورد استفاده قرار دارد.
متن نشان میدهد که هوش مصنوعی به مرحلهای از پیشرفت رسیده که میتواند عملکردی بهتر از روشهای سنتی در پیشبینی آبوهوا ارائه دهد. مدل آرورا، ساختهی مایکروسافت، با استفاده از دادههای تاریخی توانسته مسیر طوفانهای گرمسیری را با دقتی بیشتر و هزینهای بسیار کمتر از مدلهای فیزیکی رایج پیشبینی کند. در مثال مشخصی، آرورا بهدرستی پیشبینی کرده که طوفان دوکسوری در شمال فیلیپین به خشکی میرسد، در حالیکه پیشبینیهای رسمی در آن زمان مسیر متفاوتی را نشان داده بودند. این دستاورد میتواند نقطهعطفی در علم هواشناسی باشد و نویدبخش تغییر پارادایمی در نحوه پیشبینی پدیدههای جوی و اقلیمی تلقی شود. رقابت میان شرکتهایی مانند مایکروسافت، گوگل و هوآوی در توسعه مدلهای هوش مصنوعی برای پیشبینی آبوهوا نیز نشان میدهد که آیندهی این حوزه بهسمت استفادهی گسترده از یادگیری ماشین و کاهش وابستگی به مدلهای مبتنی بر اصول فیزیکی پیش میرود. در مجموع، این پیشرفت میتواند منجر به افزایش دقت، سرعت، و کارآمدی در مدیریت بلایای طبیعی و تصمیمگیریهای اقلیمی شود.