تحولی در پیش‌بینی توفندها؛ گوگل مدل جدید WeatherNext را برای تحلیل آب‌وهوا معرفی کرد

پژوهشگران گوگل دیپ‌مایند و گوگل ریسرچ با همکاری نهادهای بین‌المللی مثل مرکز ملی توفند آمریکا (NHC) و اداره هواشناسی بریتانیا، نسخه جدید مدل پیش‌بینی هواشناسی WeatherNext را توسعه دادند و به‌صورت متن‌باز منتشر کردند. این مدل هوش مصنوعی می‌تواند مسیر حرکت و شدت توفندهای استوایی را با دقتی بی‌نظیر‌ پیش‌بینی کند.

توفندها و گردبادهای استوایی همیشه چالش بسیار پیچیده‌ای برای سامانه‌های پیش‌بینی آب‌و‌هوا بوده‌اند، زیرا لازمه تعیین مسیر آن‌ها تحلیل جریان‌های جوی در مقیاس جهانی است. از سوی دیگر، برای تخمین شدت توفند باید فرایندهای ترمودینامیکی در هسته مرکزی در مقیاس محلی را بررسی کرد. اکنون به گفته گوگل دیپ‌مایند، مدل WeatherNext با آموزش روی نزدیک به ۲۰ ترابایت داده‌های جوی جهانی و آرشیو تاریخی کتابخانه بین‌المللی داده‌های اقلیمی، هر دو مؤلفه مسیر و شدت را هم‌زمان پیش‌بینی می‌کند.

مدل WeatherNext گوگل برای پیش‌بینی مسیر و شدت گردبادها

سامانه‌های سنتی هواشناسی معمولاً برای تخمین مسیر توفند از مدل‌های کلی جهانی و برای محاسبه شدت آن از مدل‌های منطقه‌ای بهره می‌بردند. این تفکیک باعث می‌شد تا پیش‌بینی هم‌زمان و دقیق هر دو فاکتور بسیار دشوار شود. مدل هوش مصنوعی WeatherNext می‌تواند پیش‌بینی کامل ۱۵ روزه را در کمتر از ۶۰ ثانیه روی تراشه پردازش عصبی (TPU) تولید کند و ارزیابی توزیع احتمالی مخاطرات شدید را برای کارشناسان هواشناسی آسان سازد.

مدل‌های قبلی هوش مصنوعی در پیش‌بینی مسیر حرکت توفند عملکرد مناسبی داشتند، اما در تعیین میزان شدت آن لنگ می‌زدند. تغییر ناگهانی شدت توفند می‌تواند مرز میان حادثه‌ای عادی و بحران باشد. WeatherNext این مانع را برطرف کرده است و امکان دسترسی به داده‌های دقیق شدت و مسیر را به‌صورت یک‌پارچه فراهم می‌کند.

کارایی عملیاتی این مدل در جریان وقوع توفند ملیسا در اکتبر ۲۰۲۵ به اثبات رسید. در شرایطی که مدل‌های سنتی درباره مسیر این پدیده جوی دچار اختلاف‌نظر بودند، WeatherNext پنج روز پیش از برخورد با خشکی، با اطمینان ۸۰ درصدی پیش‌بینی کرد که این سامانه جوی پس از تقویت شدت، به عنوان توفند درجه ۵ به جامائیکا خواهد رسید. عجیب اینکه توفند در آن زمان در درجه ۱ قرار داشت.

همچنین WeatherNext به‌طور متوسط زمان آگاهی‌بخشی به هشداردهندگان را یک روز کامل افزایش داده است؛ بدین معنا که پیش‌بینی ۳ روز آینده این مدل، دقتی معادل پیش‌بینی ۲ روزه سامانه‌های قبلی دارد. مدیر مرکز ملی توفند آمریکا می‌گوید افزایش یک روزه زمان هشدار، در شرایط عادی نیازمند یک دهه تلاش و توسعه فنی بوده است. این ۲۴ ساعت زمان اضافه به مسئولان فرصت می‌دهد تا عملیات تخلیه، سازمان‌دهی زنجیره تأمین و تخصیص منابع را با دقتی بالاتر انجام دهند و از تلفات انسانی بکاهند.

برای مهار پدیده اثر پروانه‌ای نیز که طی آن انحرافات کوچک در داده اولیه تغییرات بزرگی در آینده ایجاد می‌کنند، مدل WeatherNext به‌جای ارائه یک پاسخ قطعی، طیف گسترده‌ای از سناریوهای محتمل را تولید می‌کند. این مدل در سال گذشته ۵۰ سناریو برای هر توفند بازسازی می‌کرد، اما در نسخه جدید توانایی تولید هزار سناریوی هم‌زمان را پیدا کرده است.

یافته تحقیقات دانشمندان در ژورنال Nature منتشر شده است. همچنین گوگل کدها و وزن‌های این مدل را به‌صورت متن‌باز در گیت‌هاب منتشر کرده است تا دانشمندان سراسر جهان بتوانند از آن بهره‌ ببرند.