وبحسب التقرير، فإن نموذج جوجل، المسمى GraphCast، أنتج توقعات أكثر دقة لمدة 10 أيام من نظام التنبؤ عالي الدقة (HRES) الذي يديره المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF)، مما يجعل التنبؤات في دقائق بدلاً من ساعات.
وقد تفوق GraphCast، الذي يمكن تشغيله على كمبيوتر مكتبي، على ECMWF في أكثر من 99% من متغيرات الطقس في 90% من مناطق الاختبار البالغ عددها 1300 منطقة، وفقًا للنتائج المنشورة في 14 نوفمبر في مجلة Science.
لكن الباحثين يقولون إن الأمر ليس خاليًا من العيوب، لأن النتائج يتم إنشاؤها في صندوق أسود مما يعني أن الذكاء الاصطناعي لا يمكنه تفسير كيفية عثوره على نمط ما أو إظهار كيفية عمله وأنه يجب استخدامه لتكملة الأدوات القائمة، وليس استبدالها.
ويعتمد التنبؤ اليوم على توصيل البيانات إلى نماذج فيزيائية معقدة واستخدام أجهزة الكمبيوتر العملاقة لتشغيل عمليات المحاكاة، وتعتمد دقة هذه التنبؤات على التفاصيل الدقيقة داخل النماذج، كما أنها تستهلك الكثير من الطاقة ومكلفة التشغيل.
لكن نماذج الطقس للتعلم الآلي يمكن أن تعمل بتكلفة أقل لأنها تحتاج إلى طاقة حاسوبية أقل وتعمل بشكل أسرع، وبالنسبة لنموذج الذكاء الاصطناعي الجديد، قام الباحثون بتدريب GraphCast على قراءات طقس الأرض العالمية على مدار 38 عامًا حتى عام 2017.
وقد أنشأت الخوارزمية أنماطًا بين المتغيرات مثل ضغط الهواء ودرجة الحرارة والرياح والرطوبة التي لم يفهمها حتى الباحثون، وبعد هذا التدريب، قام النموذج باستقراء التنبؤات من تقديرات الطقس العالمية التي تم إجراؤها في عام 2018 لتقديم تنبؤات لمدة 10 أيام في أقل من دقيقة.
وبتشغيل GraphCast جنبًا إلى جنب مع توقعات ECMWF عالية الدقة، والتي تستخدم نماذج فيزيائية أكثر تقليدية لإجراء التنبؤات، وجد العلماء أن GraphCast أعطى تنبؤات أكثر دقة على أكثر من 90٪ من 12000 نقطة بيانات مستخدمة.
ويمكن لـ GraphCast أيضًا التنبؤ بالأحداث الجوية المتطرفة، مثل موجات الحر ونوبات البرد والعواصف الاستوائية، وعندما تمت إزالة طبقات الغلاف الجوي العليا للأرض لتترك فقط أدنى مستوى من الغلاف الجوي، وهو التروبوسفير، حيث تكون الأحداث الجوية التي تؤثر على البشر بارزة، فإن الدقة وصلت إلى أكثر من 99%.
