به گزارش همشهریآنلاین، یک رویکرد جدید که در آن هوش مصنوعی با مدلهای سنتی و فیزیک ترکیب شده، در حال نشان دادن موفقیت است و میتواند امواج گرمای شدید را بسیار سریعتر از روشهای استاندارد پیشبینی کند.
پدیدههایی مانند یخبندان عمیق تگزاس در سال ۲۰۲۱ یا گرمای مسکو در سال ۲۰۱۰، رویدادهایی نادر هستند. مدلهای هوش مصنوعی اغلب با تنها ۴۰ سال داده آموزشی کار میکنند، در حالی که نیاز به پیشبینی رویدادی دارند که شاید هر ۱۰۰۰ سال یک بار رخ میدهد.
مدل GraphCast (توسعهیافته توسط گوگل دیپمایند) در پیشبینی باران بیسابقه دبی در آوریل ۲۰۲۴ (هشت روز قبل از وقوع) موفق بود.
اما مدل دیگری به نام FourCastNet (توسعهیافته توسط انویدیا) در پیشبینی قویترین طوفانهای گرمسیری که در مجموعه داده آموزشیاش وجود نداشت، دچار مشکل شد.
محققان دانشگاه شیکاگو و بوستون معتقدند که راه پیشرفت در ترکیب مدلها نهفته است. در آخرین کار آنها، یک مدل هوش مصنوعی جدید به نام Pangu-Weather (توسعهیافته توسطهواوی کلواد) با یک مدل اقلیمی جهانی مبتنی بر فیزیک و ابزارهای ریاضی برای تحلیل آمار رویدادهای نادر ترکیب شد.
این رویکرد ترکیبی توانست احتمال وقوع امواج گرمای شدید در عرضهای میانی را با دقت برابر با روشهای قدیمی و غیرهوش مصنوعی شبیهسازی کند، با این تفاوت که اجرای مدل ترکیبی بسیار سریعتر است.
محققان در آزمایشهای خود متوجه شدند که مدل هوش مصنوعی میتواند از طوفانهایی که در یک حوضه اقیانوسی (مثلاً اقیانوس اطلس) رخ دادهاند، یاد بگیرد و آن دانش را برای پیشبینی طوفانها در حوضههای دیگر (مانند اقیانوس آرام) به کار ببرد. این قابلیت انتقال اطلاعات بین نقاط مختلف جهان، قدرت زیادی به مدلهای هوش مصنوعی میدهد.
این رویکرد ترکیبی، با استفاده از دادههای مشاهدهشده و دانش فیزیک، پتانسیل بالایی برای پیشبینی دقیقتر و سریعتر وقایع آب و هوایی شدید در آینده دارد.