به گزارش خبرگزاری مگ دید و یه نقل از ساینس دیلی، پیشرفتهای اخیر در هوش مصنوعی، دنیای پیشبینی آب و هوا را متحول کرده است. الگوریتمهای هوش مصنوعی توانایی یادگیری از دادههای گذشته و پیشبینی الگوهای آینده را دارند، اما پیشبینی پدیدههای نادر و شدید همچنان چالشبرانگیز بوده است. نمونههایی همچون سرمازدگی شدید تگزاس در ۲۰۲۱ یا موج گرمای مرگبار مسکو در ۲۰۱۰، نشان میدهند که دادههای محدود میتوانند پیشبینی دقیق این رخدادها را دشوار کنند.
یک راهکار نوین که نتایج امیدوارکنندهای نشان داده، ترکیب مدلهای هوش مصنوعی با مدلهای اقلیمی سنتی و ابزارهای ریاضی برای تحلیل رویدادهای نادر است، در آزمایشهای اولیه، این روش هیبریدی توانست احتمال وقوع موجهای گرمایی شدید را با دقت مدلهای قدیمی پیشبینی کند.
یکی از موفقیتهای برجسته این رویکرد، پیشبینی بارش بیسابقه در دبی در آوریل ۲۰۲۴ بود، زمانی که در یک روز بیشتر از میزان بارش یک سال، باران بارید، مدل GraphCast توسعه یافته توسط Google DeepMind توانست وقوع این رویداد را هشت روز پیش از وقوع پیشبینی کند، با این حال پیشبینی شدیدترین طوفانهای استوایی برای مدلهای دیگر همچون FourCastNet از NVIDIA چالشبرانگیز بود، زیرا دادههای آموزشی شامل طوفانهای شدید نبودند، با این حال الگوریتمها توانستند از طوفانهای یک اقیانوس برای بهبود پیشبینی در اقیانوسهای دیگر استفاده کنند و این قابلیت، پتانسیل بالایی برای توسعه پیشبینیهای منطقهای فراهم میکند.
پیشرفتهترین نمونه این ترکیب، مدل Pangu-Weather شرکت Huawei Cloud است که همراه با مدلهای اقلیمی جهانی و تحلیل ریاضی رویدادهای نادر، توانایی پیشبینی موجهای گرمایی در عرضهای جغرافیایی میانی را نشان داده است، پژوهشگران معتقدند این روش هیبریدی، آینده پیشبینی آب و هوا را سریعتر، دقیقتر و قابل اعتمادتر خواهد کرد.
