الذكاء الاصطناعي

مايكروسوفت تطلق أداة تعلم آلي لتحسين دقة التوقعات الجوية

تسعى مايكروسوفت إلى تجاوز حدود التوقعات الجوية التقليدية من خلال أداة جديدة تعتمد على التعلم الآلي لتصحيح الأخطاء المنهجية في النماذج الحالية، مما يتيح توقعات أدق لفترات أطول بتكلفة معقولة.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 15 أكتوبر 2026 · آخر تحديث: 15 أكتوبر 2026 · 4 دقائق قراءة

مايكروسوفت تطلق أداة تعلم آلي لتحسين دقة التوقعات الجوية — الصورة: The Verge

تجاوز حدود الأسبوعين في التوقعات الجوية

تواجه نماذج التوقعات الجوية التقليدية، سواء تلك المعتمدة على الفيزياء أو النماذج الجديدة القائمة على الذكاء الاصطناعي، تحدياً كبيراً في الحفاظ على الدقة بعد مرور أسبوعين من التوقع. وتزعم مايكروسوفت أنها وجدت حلاً لهذه المشكلة من خلال استخدام التعلم الآلي لتصحيح الانحيازات المنهجية الموجودة في النماذج الحالية، بدلاً من بناء نموذج جديد من الصفر. وقد نُشرت نتائج هذه الأبحاث في مجلة Nature، وأصبحت الأداة متاحة الآن كبرنامج مفتوح المصدر. ويمكن الرجوع إلى The Verge للاطلاع على التفاصيل الأصلية للمصدر.

كفاءة الموارد والاعتماد على المعالجات المركزية

تختلف هذه الأداة جذرياً عن النماذج الفيزيائية المكثفة التي تتطلب حواسيب فائقة، أو نماذج الذكاء الاصطناعي التوليدي التي تعتمد على وحدات معالجة رسومية قوية (GPUs). ويؤكد ليستر ماككي، الباحث الرئيسي في مايكروسوفت ريسيرش، أن الأداة الجديدة يمكن تشغيلها على المعالجات المركزية (CPUs) فقط. ويأمل ماككي في أن يؤدي هذا إلى زيادة كفاءة الموارد المستخدمة في التنبؤ بالطقس، وتحسين موثوقية التوقعات، خاصة فيما يتعلق بالأحداث الجوية المتطرفة.

آلية عمل التصحيح الاحتمالي للانحياز

تسمى الطريقة التي طورتها مايكروسوفت بـ "التصحيح الاحتمالي للانحياز" (PBC). تعتمد هذه الأداة على التعلم الآلي لتحديد الانحيازات المنهجية في النماذج الحالية وإجراء التصحيحات اللازمة. وتحدث هذه الانحيازات عندما تعتمد النماذج على تقريبات لسد الفجوات في البيانات، سواء كانت ناتجة عن ندرة محطات الأرصاد في مناطق معينة أو بسبب ظواهر جوية معقدة لم تُفهم بالكامل بعد. ومع مرور الوقت، تتراكم هذه الأخطاء مما يقلل من دقة التوقعات طويلة المدى.

يذكر ماككي مثالاً على ذلك يتعلق بتغير المناخ؛ فبينما تساهم انبعاثات غازات الدفيئة من الوقود الأحفوري في ارتفاع درجة حرارة الكوكب، قد تقوم النماذج الجوية بالتنبؤ بناءً على السجلات التاريخية، مما يؤدي إلى انحياز نحو درجات حرارة أقل من تلك التي يعيشها العالم فعلياً اليوم. وتعمل أداة PBC على تصحيح هذا النوع من الانحراف لضمان دقة أعلى.

نتائج دقيقة في اختبارات النماذج الرائدة

أظهرت الأبحاث أن تطبيق PBC حسّن دقة النموذج الفيزيائي الرائد التابع لمركز التنبؤات الجوية متوسطة المدى الأوروبي (ECMWF) بنسبة 98% فيما يتعلق بهطول الأمطار، و92% فيما يتعلق بدرجات الحرارة. كما ضاعفت إطار التعلم الآلي هذا دقة نظام التنبؤ بالذكاء الاصطناعي الجديد لدى ECMWF وفقاً لتحليل الدراسة. وقبل نشر الورقة البحثية، كان مركز ECMWF قد منح الباحثين جائزة في مسابقة AI Weather Quest تقديراً لأبحاثهم حول هذه التقنية.

إتاحة التقنية للوكالات محدودة الموارد

غالباً ما تجعل التكاليف المرتفعة للحوسبة والبنية التحتية اللازمة للتنبؤ بالطقس التطورات التقنية بعيدة المنال عن العديد من الوكالات في الدول النامية. ولكن يعتقد مؤلفو الورقة البحثية أن PBC يمكن أن تكون مختلفة، نظراً لكونها خفيفة الوزن وسهلة التدريب. وتقول جينيفييه فلاسبوهلر، إحدى مؤلفي الورقة، إن العلماء الذين لا يملكون موارد ضخمة يمكنهم العمل على ضبط هذه النماذج لتحسين أدائها في مناطقهم المحلية المحددة.

تعمل فلاسبوهلر حالياً كمديرة تنفيذية لمنظمة Rhiza Research غير الربحية، والتي تتعاون مع هيئة الأرصاد الجوية الكينية. وتهدف هذه الشراكة، المدعومة بمساعدات من مؤسسة غيتس، إلى اختبار ما إذا كان الذكاء الاصطناعي يمكنه المساعدة في إيصال إنذارات مبكرة أكثر دقة للمواطنين. وتُعد PBC إحدى الطرق التي يتم اختبارها استعداداً لموسم أمطار متوقع أن يكون أكثر تطرفاً خلال ظاهرة النينيو القياسية.

تقييم الخبراء والتحديات التشغيلية

يصف ماثيو شانترى، القائد الاستراتيجي للتعلم الآلي في ECMWF، الورقة البحثية الجديدة بأنها مثال جيد على تطوير أفكار جديدة لمصلحة المجتمع العلمي. ومع ذلك، يضيف شانترى أن تحويل هذه الأفكار إلى واقع في عملية تشغيلية يومية يمثل خطوة صعبة للغاية، مما يشير إلى أن التحدي الأكبر يكمن في التكامل العملي مع الأنظمة الحالية وليس فقط في الدقة النظرية.