في هذا المقال
أطلقت شركة جوجل (Google) نموذجها الجديد WeatherNext 3 لتعزيز دقة التنبؤ بالطقس عبر دمج بيانات الأقمار الصناعية المباشرة. يتيح هذا التحديث تقليص الفارق الزمني بين رصد الحالة الجوية وإصدار التوقعات، مما يسمح بتحديث البيانات الجوية بشكل ساعي ومستمر للمستخدمين والجهات المعنية بمتابعة التغيرات المناخية السريعة.
دمج بيانات الأقمار الصناعية ودقة النماذج
تعتمد النماذج التقليدية للأرصاد على معادلات فيزيائية وديناميكية معقدة تتطلب حواسيب فائقة وقتاً طويلاً للمعالجة، بينما تعتمد نماذج التعلم الآلي على تحليل الأنماط السابقة وإجراء التوقعات في غضون ثوانٍ معدودة. ووفقاً لتقرير نشره موقع Ars Technica، اعتمدت معظم أدوات الذكاء الاصطناعي السابقة على بيانات إعادة التحليل التي تصدر كل ست ساعات فقط، مما كان يحد من قدرتها على التعامل مع المتغيرات اللحظية. ويتجاوز النموذج الجديد هذه القيود عبر استيعاب الملاحظات الفضائية المباشرة من الأقمار الصناعية فور ورودها.
ونتيجة لذلك، يقدم النظام توقعات أكثر وضوحاً وتفصيلاً بما يصل إلى خمس مرات مقارنة بالإصدار السابق WeatherNext 2. وكان النموذج السابق يعمل على شبكة جغرافية بدقة 25 كيلومتراً، بينما يعرض الإصدار الحالي متغيرات الرطوبة وحركة الرياح ودرجات الحرارة بدقة مكانية تصل إلى 5 كيلومترات.
“يتمثل أحد التطورات الرئيسية في تجاوز البيانات المعتادة التي تتدرب عليها معظم نماذج الذكاء الاصطناعي، حيث أصبحنا قادرين على الاستفادة من مجموعات بيانات رصدية أكثر حداثة وتنوعاً.”سامير ميرشانت، مهندس أبحاث في جوجل ريسيرش (Google Research)
تطوير قدرات التنبؤ بالطقس والأمطار
أضاف الفريق الهندسي نموذجاً منفصلاً مدرباً على تقديرات هطول الأمطار عبر الأقمار الصناعية لتوفير توقعات متعددة لشدة هطول الأمطار والثلوج. وعلاوة على ذلك، أضاف النظام بيانات فيزيائية وطبوغرافية دقيقة للمواقع الجغرافية، مثل التضاريس والارتفاع عن سطح البحر، لحساب درجات الحرارة السطحية ونقاط الندى بدقة أعلى في مختلف البيئات الجغرافية.
وحققت هذه التعديلات تحسناً بنسبة تصل إلى 30 بالمئة في حساب درجات الحرارة السطحية لمواقع محددة، وهو ما يعزز موثوقية رصد موجات الحرارة والصقيع. كما أظهرت النتائج تحسناً بنسبة 5 بالمئة في دقة طبقات الجو العليا، متفوقة على نماذج المركز الأوروبي للتنبؤات الجوية متوسطة المدى في عدة معايير رئيسية.
تكامل النظام مع المنصات والخدمات
رغم هذه المكاسب، رصد الباحثون تباطؤاً نسبياً في دقة الساعات الست الأولى مقارنة بالأداء المرتفع على مدار نطاق 15 يوماً، وتعمل الشركة على تحسين المعالجة الآنية لإغلاق هذه الفجوة. وتعمل جوجل على إدارة المتطلبات الحسابية للنظام مع ربطه بمختلف الخدمات والمنصات الرقمية التابعة لها.
وأصبح WeatherNext 3 المصدر الرئيسي لتوقعات الطقس عبر محرك بحث Google وخرائط Google Maps وتطبيق Gemini، مما يدعم خدمات التطبيقات والبرمجيات بمعلومات فورية وتنبيهات مبكرة للحالات الجوية السريعة والتقلبات المناخية اليومية.
أطلقت شركة جوجل (Google) نموذجها الجديد WeatherNext 3 لتعزيز دقة التنبؤ بالطقس عبر دمج بيانات الأقمار الصناعية المباشرة. يتيح هذا التحديث تقليص الفارق الزمني بين رصد الحالة الجوية وإصدار التوقعات، مما يسمح بتحديث البيانات الجوية بشكل ساعي ومستمر للمستخدمين والجهات المعنية بمتابعة التغيرات المناخية السريعة.
دمج بيانات الأقمار الصناعية ودقة النماذج
تعتمد النماذج التقليدية للأرصاد على معادلات فيزيائية وديناميكية معقدة تتطلب حواسيب فائقة وقتاً طويلاً للمعالجة، بينما تعتمد نماذج التعلم الآلي على تحليل الأنماط السابقة وإجراء التوقعات في غضون ثوانٍ معدودة. ووفقاً لتقرير نشره موقع Ars Technica، اعتمدت معظم أدوات الذكاء الاصطناعي السابقة على بيانات إعادة التحليل التي تصدر كل ست ساعات فقط، مما كان يحد من قدرتها على التعامل مع المتغيرات اللحظية. ويتجاوز النموذج الجديد هذه القيود عبر استيعاب الملاحظات الفضائية المباشرة من الأقمار الصناعية فور ورودها.
ونتيجة لذلك، يقدم النظام توقعات أكثر وضوحاً وتفصيلاً بما يصل إلى خمس مرات مقارنة بالإصدار السابق WeatherNext 2. وكان النموذج السابق يعمل على شبكة جغرافية بدقة 25 كيلومتراً، بينما يعرض الإصدار الحالي متغيرات الرطوبة وحركة الرياح ودرجات الحرارة بدقة مكانية تصل إلى 5 كيلومترات.
“يتمثل أحد التطورات الرئيسية في تجاوز البيانات المعتادة التي تتدرب عليها معظم نماذج الذكاء الاصطناعي، حيث أصبحنا قادرين على الاستفادة من مجموعات بيانات رصدية أكثر حداثة وتنوعاً.”سامير ميرشانت، مهندس أبحاث في جوجل ريسيرش (Google Research)
تطوير قدرات التنبؤ بالطقس والأمطار
أضاف الفريق الهندسي نموذجاً منفصلاً مدرباً على تقديرات هطول الأمطار عبر الأقمار الصناعية لتوفير توقعات متعددة لشدة هطول الأمطار والثلوج. وعلاوة على ذلك، أضاف النظام بيانات فيزيائية وطبوغرافية دقيقة للمواقع الجغرافية، مثل التضاريس والارتفاع عن سطح البحر، لحساب درجات الحرارة السطحية ونقاط الندى بدقة أعلى في مختلف البيئات الجغرافية.
وحققت هذه التعديلات تحسناً بنسبة تصل إلى 30 بالمئة في حساب درجات الحرارة السطحية لمواقع محددة، وهو ما يعزز موثوقية رصد موجات الحرارة والصقيع. كما أظهرت النتائج تحسناً بنسبة 5 بالمئة في دقة طبقات الجو العليا، متفوقة على نماذج المركز الأوروبي للتنبؤات الجوية متوسطة المدى في عدة معايير رئيسية.
تكامل النظام مع المنصات والخدمات
رغم هذه المكاسب، رصد الباحثون تباطؤاً نسبياً في دقة الساعات الست الأولى مقارنة بالأداء المرتفع على مدار نطاق 15 يوماً، وتعمل الشركة على تحسين المعالجة الآنية لإغلاق هذه الفجوة. وتعمل جوجل على إدارة المتطلبات الحسابية للنظام مع ربطه بمختلف الخدمات والمنصات الرقمية التابعة لها.
وأصبح WeatherNext 3 المصدر الرئيسي لتوقعات الطقس عبر محرك بحث Google وخرائط Google Maps وتطبيق Gemini، مما يدعم خدمات التطبيقات والبرمجيات بمعلومات فورية وتنبيهات مبكرة للحالات الجوية السريعة والتقلبات المناخية اليومية.
