مدل پیش‌بینی طوفان Google DeepMind یک روز هشدار اضافی را ارائه می‌کند

Google DeepMind برنده نمایشگاه علمی Gizmodo 2026 برای ایجاد WeatherNext Cyclones، یک مدل هواشناسی با هوش مصنوعی بسیار دقیق است که به پیش بینی کنندگان یک روز هشدار اضافی می دهد.

آیا یک مدل هوش مصنوعی می تواند مسیر و شدت طوفان های استوایی را به دقت پیش بینی کند؟

هواشناسان برای پیش‌بینی و ردیابی طوفان‌های استوایی به انواع مدل‌های پیش‌بینی تکیه می‌کنند و ظهور هوش مصنوعی کلاس کاملا جدیدی از ابزارها را به وجود آورده است. در حالی که مدل‌های فیزیکی سنتی بر اساس قوانین فیزیک ساخته شده‌اند، مدل‌های یادگیری ماشینی از هوش مصنوعی و داده‌های تاریخی برای برون‌یابی شکل‌گیری، تشدید و حرکت طوفان استفاده می‌کنند.

پیش‌بینی‌کنندگان چندین مورد از این مدل‌ها را در سال‌های اخیر اتخاذ کرده‌اند، و دستاوردهای سریع آن‌ها در سرعت و عملکرد آن‌ها را حتی با مدل‌های فیزیکی پیشرفته‌تر به شدت رقابتی کرده است. اما پس از فصل طوفان اقیانوس اطلس 2025، یکی به وضوح برجسته شد.

WeatherNext Cyclones، یک مدل پیش‌بینی هوش مصنوعی توسعه‌یافته توسط Google DeepMind، در اولین اجرای عملیاتی خود عملکرد فوق‌العاده‌ای داشت. به عنوان مثال، این مدل به مرکز ملی طوفان (NHC) اجازه می‌دهد تا تشدید سریع طوفان ملیسا و سقوط آن در جامائیکا را با اطمینان 80 درصدی از پنج روز قبل، پیش‌بینی کند و سه روز قبل از سقوط به نزدیک به 100 درصد اطمینان برسد.

تام اندرسون، دانشمند تحقیقاتی DeepMind، به Gizmodo گفت: "ما مدل خود را به صورت داخلی بر اساس پیش بینی های تاریخی ارزیابی کرده بودیم و در ارزیابی های خود بسیار دقیق هستیم. اما حتی در آن زمان هم نمی دانستیم که آیا واقعا می توانیم آنچه را که می بینیم باور کنیم یا خیر." "با مشاهده عملکرد مدل خود در زمان واقعی بر روی داده هایی که قبلا هرگز ندیده بود - رک و پوست کنده از عملکرد شوکه شدیم."

مطالعه‌ای که اخیرا در ژورنال نیچر منتشر شده است نشان می‌دهد که WeatherNext Cyclones به دقت پیشرفته‌ای در پیش‌بینی مسیر، شدت و ساختار باد یک طوفان دست می‌یابد. تیم WeatherNext با کارشناسان NHC و سایر موسسات برای ارزیابی مدل بر روی داده های تاریخی از سال 2023 تا 2025 همکاری کرد و دریافت که به طور متوسط، دقت پیش بینی یک روز اضافی را ارائه می دهد.

این نشان دهنده یک جهش بزرگ به جلو است. محققان بر این باورند که این بهبود تقریبا معادل پیشرفت پیش‌بینی سنتی طوفان در دهه گذشته است.

فران آلت، مدیر دانشمند پژوهشی کارکنان در DeepMind گفت: در روزهای اولیه توسعه مدل‌های پیش‌بینی هوش مصنوعی WeatherNext، ما در ابتدا فقط سعی در پیش‌بینی آب و هوای روزمره داشتیم، بنابراین یک مدل هوش مصنوعی آموزش دادیم که با توجه به آب و هوای امروز، هوای فردا را پیش‌بینی می‌کند. او و همکارانش به زودی دریافتند که این مدل در پیش‌بینی مسیرهای طوفان بسیار خوب است، اما در پیش‌بینی شدت با مشکل مواجه هستند.

این مدت‌هاست که نه تنها برای مدل‌های هوش مصنوعی بلکه برای مدل‌های فیزیکی نیز مشکل‌ساز بوده است. جریان‌های جوی جهانی یک گردباد را هدایت می‌کنند، اما فرآیندهای ترمودینامیکی بسیار موضعی و در مقیاس ظریف در اطراف مرکز طوفان، شدت آن را افزایش می‌دهند. با توجه به این مقیاس‌های متضاد، مدل‌های آب‌وهوا مدت‌هاست که برای پیش‌بینی دقیق هر دو در یک زمان تلاش می‌کنند.

عواقب این معاوضه توسط طوفان اوتیس در سال 2023 نشان داده شد، که پیش‌بینی‌کنندگان را زمانی که مدل‌های فیزیکی نتوانستند تشدید سریع آن را از یک طوفان استوایی به یک طوفان رده 5 پیش‌بینی کنند، غافلگیر کرد. زمانی که اوتیس به سواحل اقیانوس آرام مکزیک رسید، جوامع آماده نبودند. این طوفان خسارت های فاجعه باری به بار آورد و ده ها کشته برجای گذاشت.

آلت توضیح داد: در آن زمان، «هوش مصنوعی در پیش‌بینی شدت حتی بدتر از مدل‌های مبتنی بر فیزیک بود، و همچنین اعتقاد بر این بود که در افراط‌ها خوب نیست». او و همکارانش WeatherNext Cyclones را با هدف ایجاد یک مدل هوش مصنوعی که می‌تواند مسیر، شدت و شدت طوفان‌های استوایی را به دقت پیش‌بینی کند، توسعه دادند.

اندرسون گفت: «ما بسیار انگیزه داشتیم که این مشکل را حل کنیم، که با تخصصی کردن مدل‌هایمان برای آموزش بر روی یک پایگاه داده متخصص از طوفان‌های استوایی تاریخی انجام دادیم و از این طریق توانستیم بر برخی از این محدودیت‌ها غلبه کنیم و در واقع علم را تا حدود یک دهه پیش ببریم».

از آنجایی که تغییرات آب و هوایی باعث ایجاد طوفان های استوایی قدرتمندتر می شود، پیش بینی مسیر و شدت آنها با زمان و دقت بیشتر هرگز مهم نبوده است. بر اساس پیش بینی های زیر 3.6 درجه فارنهایت (2 درجه سانتیگراد) گرمایش جهانی، شدت طوفان استوایی می تواند به طور متوسط ​​1٪ تا 10٪ در سطح جهان افزایش یابد. همچنین پیش بینی می شود که میزان بارندگی و دوره های تشدید سریع افزایش یابد.

WeatherNext Cyclones سطح پیش‌بینی طوفان را در جهان در حال گرم شدن افزایش داده است. علاوه بر غلبه بر مبادله شدت مسیر، با چالش اساسی دیگری در پیش‌بینی هوش مصنوعی مقابله می‌کند: مشکل «قوی خاکستری». افراط‌های آب و هوای قو خاکستری از نظر فیزیکی قابل قبول هستند اما به قدری نادر هستند که در مجموعه داده‌های آموزشی ضعیف نشان داده می‌شوند. این بدان معناست که مدل‌های هوش مصنوعی برای پیش‌بینی این رویدادهای بسیار مخرب مشکل دارند، که با توجه به اینکه تغییرات آب و هوایی منجر به تعداد بیشتری از آنها می‌شود، نگران‌کننده است.

اندرسون توضیح داد که با ایجاد حداکثر 1000 سناریوی ممکن، WeatherNext Cyclones می تواند این طوفان های کم احتمال اما بالقوه ویرانگر را بهتر به تصویر بکشد.

علاوه بر این، WeatherNext Cyclones برای جوامعی در خط مقدم تغییرات آب و هوایی که در طول تاریخ فاقد منابع و زیرساخت های مورد نیاز برای پیش بینی سنتی بوده اند، قابل دسترسی است. این مدل در GitHub منبع باز است و بر خلاف مدل های فیزیکی، برای اجرا به ابررایانه نیاز ندارد. تیم DeepMind همچنین Weather Lab را ایجاد کرده است، یک پلتفرم دیجیتالی که دسترسی به آخرین نسخه‌های مدل‌های آب و هوا را فراهم می‌کند.

این سطح دسترسی می‌تواند قابلیت‌های پیش‌بینی را در مکان‌هایی که در برابر تهدید رو به رشد طوفان‌های استوایی شدید آسیب‌پذیر هستند، به‌طور قابل‌توجهی بهبود بخشد.

در آینده، تیم DeepMind امیدوار است همکاری های خود را گسترش دهد. در حال حاضر، WeatherNext Cyclones توسط کارشناسان NHC، موسسه تعاونی تحقیقات در جو (CIRA) در دانشگاه ایالتی کلرادو و اداره هواشناسی بریتانیا استفاده می‌شود، اما Alet می‌خواهد تاثیر آن را حتی بیشتر از این هم گسترش دهد.

او گفت: «گردبادها یک مشکل جهانی هستند. آنها در غرب اقیانوس آرام هستند، آنها در استرالیا، در هند هستند، و بنابراین ما در حال گسترش همکاری ها هستیم تا این خوبی را در سطح جهانی، نه فقط به ایالات متحده و مناطق کارائیب، به ارمغان بیاوریم.

همانطور که همکاران بیشتری با مدل کار می کنند، دقت و کارایی آن همچنان بهبود می یابد. آلت گفت: هنگام ساختن سیستم پیش‌بینی پیشرفته بعدی، "بهترین کاری که می‌توانیم انجام دهیم این است که یک روز در یک زمان از سد آشوب عبور کنیم." "آنچه هوش مصنوعی به ما امکان می دهد سرعت بخشیدن به پیشرفت است."

در حالی که هوش مصنوعی نمی تواند عدم قطعیت ذاتی آب و هوا را، به ویژه در آب و هوای فزاینده فرار، از بین ببرد، WeatherNext Cyclones نشان می دهد که می تواند مرزهای آنچه پیش بینی می تواند به دست آورد را تغییر دهد.

اندرسون گفت: «من فکر می‌کنم اکنون وارد عصر جدیدی شده‌ایم که در آن مدل‌های آب‌وهوای هوش مصنوعی می‌توانند فراتر از نوار دقت قبلی پیشرفت کنند، و ما فناوری خود را به عنوان یک ابزار جدید بسیار قدرتمند در جعبه ابزار می‌دانیم.

این اثر منعکس‌کننده مشارکت نویسندگان مقاله است: فران آلت، تام اندرسون، ایلان پرایس، استراتیس مارکو، اندرو الکادی، دومینیک مسترز، ایمی لی، سامیر مرچنت، ناتالی ویلیامز، گرگوری تورنتون، کن مک‌کی، اولیویا گراهام، آکیب اودین، بن گایارین دیوید، دیوید ال‌کادی، اکیب اودین، بن گایارین، بن گایارین، زلینسکی، جان کانگیالوسی، جاناتان مارتینز، جیمز فرانکلین، مارک دماریا، کیت ماسگریو، کارولین ال بین، هلن تیتلی، جکلین استات، رمی لام، آرون بل، پل کومارک، متیو ویلسون، آلوارو سانچز-گونزالس و پیتر باتگلیا.

برای دیدن همه برندگان نمایشگاه علمی Gizmodo 2026 اینجا را کلیک کنید.