ما الذي أعلنته Google DeepMind؟

أعلنت Google DeepMind في ٦ أغسطس ٢٠٢٦ أن نموذج الذكاء الاصطناعي WeatherNext حقق ما تصفه الشركة باختراق في التنبؤ بالأعاصير المدارية. وتقول الشركة إن النموذج ينتج تنبؤات رائدة لمسار الإعصار وشدته وبنية رياحه، مع توفير يوم إضافي في المتوسط من الدقة التنبؤية للمتنبئين.

جاء الإعلان بالتزامن مع ورقة بحثية منشورة في Nature. وتقول DeepMind أيضاً إنها ستتيح النموذج كمصدر مفتوح لمجتمع البحث العالمي. ويكتسب هذا الجمع أهمية لأن الادعاء محدد بما يكفي لاختباره، ومهم بما يكفي ليستدعي تدقيقاً خارجياً دقيقاً. ففي التنبؤات الجوية ذات العواقب الكبيرة، تكون النتيجة أكثر قيمة عندما يتمكن الباحثون في الأرصاد الجوية والمؤسسات التشغيلية من إعادة إنتاجها وفحص حدودها وتقييم مدى صلتها بسير عملهم الخاص في التنبؤ.

يتناول WeatherNext الأعاصير المدارية، وهي فئة العواصف المعروفة باسم الهوريكان في المحيط الأطلسي وشرق شمال الهادئ، وباسم التايفون في أجزاء من غرب شمال الهادئ. ويمكن أن تتغير هذه العواصف بسرعة، لا سيما عندما تزداد شدتها بصورة حادة أو يتغير توزيع الرياح المدمرة قرب اليابسة. ولذلك، فإن تركيز DeepMind المعلن على المسار والشدة وبنية الرياح مهم، لأن هذه عناصر منفصلة ومتكاملة للتنبؤ.

يتعلق تنبؤ المسار بالمكان المتوقع أن ينتقل إليه مركز العاصفة. ويتعلق تنبؤ الشدة بالقوة التي قد يبلغها الإعصار. أما بنية الرياح فتتعلق بكيفية تنظيم الرياح وانتشارها حول العاصفة. ويحتاج صناع القرار إلى ما هو أكثر من خط على خريطة؛ إذ يحتاجون إلى رؤية مستنيرة للشدة المحتملة ولمناطق امتداد الرياح الخطرة. وخلاصة DeepMind هي أن WeatherNext يحسن الدقة التنبؤية في المجالات الثلاثة جميعاً، في المتوسط، بنحو يوم واحد.

WeatherNext: الأرقام المتحقق منها

ينبغي قراءة الأرقام أعلاه بدقة. فعبارة «يوم إضافي في المتوسط» هي نتيجة إجمالية مُبلغ عنها، وليست وعداً بأن كل عاصفة أو حوض أو وصول إلى اليابسة أو قرار للتنبؤ سيحصل على ٢٤ ساعة إضافية بالضبط من المهلة الموثوقة. ولا يقدم الإعلان المتحقق منه التوزيعات الكاملة لخطأ التنبؤ، أو بنية النموذج، أو عدد المعلمات، أو بيانات التدريب، أو الدقة المكانية، أو الدقة الزمنية، أو متطلبات الاستدلال، أو شروط ترخيص البرمجيات. وينبغي فحص هذه التفاصيل في الورقة البحثية ومواد الإصدار قبل استخلاص أي نتيجة تشغيلية.

لماذا يهم يوم إضافي من الدقة؟

في التنبؤ بالأعاصير، لا يمثل الوقت مقياس أداء مجرداً؛ بل هو وقت لاتخاذ القرار. فقد تحتاج السلطات العامة إلى إصدار التنبيهات وإعداد خطط الإخلاء ونشر أفراد الطوارئ وحماية البنية التحتية الحيوية وإبلاغ المجتمعات بالمخاطر. وقد تحتاج الشركات إلى تعديل خطط الشحن وتأمين المواقع وإدارة سلامة القوى العاملة وإعداد تدابير استمرارية الأعمال. وقد تحتاج الأسر إلى وقت للسفر أو حماية الممتلكات أو الانتقال إلى أماكن أكثر أماناً.

ولهذا قد يكون الفرق بين تنبؤ مبكر دقيق بما يكفي للتصرف بناءً عليه، وتنبؤ مماثل في الدقة يصل بعد يوم، ذا عواقب بالغة. فالتحذير الذي يصل بعد تضاؤل خيارات النقل، أو تكليف الطواقم بمهام في مواقع أخرى، أو فقدان السكان للوقت العملي اللازم للاستعداد، تكون قيمته أقل حتى لو صح التنبؤ النهائي. وتبدو نتيجة DeepMind مقنعة لأن مقياسها المُبلغ عنه يرتبط بالقيمة الواقعية للقرارات المبكرة والدقيقة.

ومع ذلك، ينبغي تفسير النتيجة بانضباط. فالدقة التنبؤية الأفضل في المتوسط لا تلغي عدم اليقين من التنبؤ بالأعاصير. ولا تعني أن كل حدث اشتداد سريع، أو تغير غير معتاد في المسار، أو عاصفة تصل إلى اليابسة سيُتنبأ به على نحو مثالي. كما أنها لا تثبت وجوب استبدال WeatherNext بالنماذج والرصد والحكم الخبيري التي تستخدمها بالفعل خدمات الأرصاد الجوية الوطنية. ولا يفيد أفق التنبؤ الأطول إلا عندما يظل التنبؤ موثوقاً بدرجة مناسبة للقرار المحدد المطروح.

ولهذا أيضاً لا ينبغي دمج مجالات الهدف الثلاثة في ادعاء عام واحد عن «تنبؤ أفضل بالطقس». فتقدير المسار القوي لا يثبت تلقائياً تقديراً قوياً للشدة. وبالمثل، لا يخبر تنبؤ مفيد بالشدة المجتمعات، بمفرده، بالمكان الذي قد تحدث فيه أشد الرياح تدميراً. ويُعد إعلان DeepMind لافتاً تحديداً لأنه يقول إن WeatherNext يؤدي بقوة في المسار والشدة وبنية الرياح معاً.

كيف نقرأ الادعاء التقني؟

WeatherNext هو نموذج ذكاء اصطناعي للتنبؤ بالطقس، وليس نموذج لغة للأغراض العامة ينتج تعليقات عن الطقس. وغرضه المعلن هو التنبؤ بالتطور الفيزيائي للأعاصير المدارية. ولا يدعم السياق المتحقق منه أي وصف إضافي للبنية المعمارية. وسيكون من غير الدقيق افتراض استخدام النظام عائلة نماذج محددة، أو مصدر بيانات بعينه، أو طريقة محددة لتمثيل عدم اليقين.

وبالمثل، يجب فهم وصف «رائد» باعتباره ادعاءً تقييمياً لا تصنيفاً عالمياً. ففي التنبؤ العلمي، يعتمد معنى هذا الادعاء على بيانات الاختبار وآفاق التنبؤ وتعريفات المهام وخطوط الأساس المستخدمة في التقييم. ولا يسرد السياق الرسمي المقدم جميع المقارنات، ولا يقدم درجات خطأ رقمية، ولا يصف جميع ظروف الاختبارات المعيارية. وتمثل ورقة Nature نقطة البداية المناسبة للقراء الباحثين عن الأدلة والمنهجية الكامنة وراء العنوان الرئيسي.

ينبغي أن يركز التقييم الخارجي على الأسئلة المهمة عملياً. هل تستمر الميزة المُبلغ عنها عبر مناطق الأعاصير المختلفة وظروف العواصف المتباينة؟ كيف يتغير الأداء بالنسبة للعواصف التي تصل إلى اليابسة، وتغيرات الشدة، وآفاق التنبؤ المختلفة؟ كيف ينبغي مقارنة مخرجات WeatherNext بأنظمة التنبؤ الراسخة؟ ما أنماط أخطاء النموذج وخصائص عدم اليقين فيه؟ ليست هذه اعتراضات على النتيجة؛ بل هي الأسئلة المعتادة اللازمة لتحديد كيفية استخدام نموذج علمي واعد بمسؤولية.

يمنح قرار DeepMind بإتاحة WeatherNext كمصدر مفتوح الباحثين مساراً للتحقيق في تلك الأسئلة مباشرة. ويمكن للمصدر المفتوح أن يتيح إعادة الإنتاج المستقلة والاختبار الإقليمي والمقارنة مع العمليات التشغيلية القائمة. لكنه لا يثبت، بذاته، الجاهزية التشغيلية. ولا يحدد الإعلان الرسمي إجراءات النشر، أو البنية التحتية المدعومة، أو صيغة الإصدار، أو شروط الترخيص، أو التكامل مع أي خدمة طقس وطنية بعينها. لذا ينبغي للمؤسسات التمييز بين الوصول إلى نموذج بحثي والتحقق من صلاحيته لعمليات التحذير العامة.

مثال إعصار ميليسا

يقدم تقرير منفصل من Google DeepMind توضيحاً لسبب أهمية التحسينات في التنبؤ. ففي أكتوبر ٢٠٢٥، أصبح إعصار ميليسا أقوى إعصار مسجل يصل إلى اليابسة في جامايكا، وتعادل مع أقوى إعصار في المحيط الأطلسي، وفقاً لـDeepMind. وتقول الشركة إن المركز الوطني الأمريكي للأعاصير استخدم WeatherNext ضمن عملية اتخاذ القرار عند التنبؤ بالاشتداد السريع للعاصفة ووصولها إلى اليابسة.

تقول DeepMind إن المركز الوطني للأعاصير توقع أن تبلغ ميليسا شدة الفئة ٥ بينما كانت سرعة رياحها لا تزال ضمن الفئة ١، وإن تنبؤ WeatherNext جاء قبل خمسة أيام. وتقول الشركة إن التحذير المتقدم منح المجتمعات في جامايكا وقتاً أطول للاستعداد والإخلاء وحماية سبل العيش.

ينبغي قراءة هذه الحالة باعتبارها مثالاً مُبلغاً عنه على إسهام WeatherNext في قرار تنبؤي عالي المخاطر، لا دليلاً على أن أي نظام ذكاء اصطناعي يمكنه حل كل سيناريوهات العواصف الصعبة. وتكمن أهميتها في أنها تربط أداء النمذجة بسؤال ذي معنى تشغيلي: هل يستطيع المتنبئون الحصول على ثقة مفيدة مبكراً بما يكفي لإبلاغ خطر متصاعد؟ ويضع إعلان أغسطس ٢٠٢٦ الأوسع هذه الصلة العملية إلى جانب نتيجة بحثية منشورة والتزام بالمصدر المفتوح.

ما الذي قد يعنيه ذلك لدول مجلس التعاون الخليجي والشرق الأوسط؟

يربط الخليج العربي وبحر العرب والبحر الأحمر والمحيط الهندي الأوسع بين السكان والموانئ وأصول الطاقة وطرق الشحن والبنية التحتية الساحلية في أنحاء الشرق الأوسط. ورغم أن WeatherNext نموذج بحثي عالمي للتنبؤ بالأعاصير المدارية وليس منتجاً مخصصاً لدول مجلس التعاون الخليجي، فإن التحسينات في التنبؤ بالأعاصير ذات صلة بتخطيط المرونة الإقليمية حيثما تؤثر الأنظمة المدارية أو آثارها الأوسع في العمليات الساحلية وسلاسل الإمداد.

بالنسبة إلى السعودية، يتوافق هذا الموضوع على مستوى عام مع طموحات البيانات والذكاء الاصطناعي المرتبطة برؤية السعودية ٢٠٣٠. وبالنسبة إلى الإمارات، يرتبط باستراتيجية الذكاء الاصطناعي الأوسع للدولة وبالمؤسسات التي تقيّم كيفية دعم الذكاء الاصطناعي للبنية التحتية المرنة وقرارات القطاع العام المستنيرة. ولا ينبغي الخلط بين هذه الروابط السياسية وبين دليل على تبني السلطات السعودية أو الإماراتية لـWeatherNext؛ إذ لا يرد أي نشر من هذا النوع في السياق المتحقق منه. لكنها تفسر ببساطة سبب استحقاق الذكاء الاصطناعي العلمي المتحقق منه بصورة مستقلة للاهتمام في منطقة تستثمر بكثافة في قدرات الذكاء الاصطناعي.

ينبغي للمستخدمين الإقليميين المحتملين أن يكونوا دقيقين في متطلباتهم. فلا ينبغي لوكالات الأرصاد الجوية والباحثين ومشغلي الموانئ وشركات المرافق وشركات التأمين وفرق اللوجستيات التعامل مع إصدار مفتوح المصدر باعتباره خدمة تحذير جاهزة للاستخدام. وعليهم أن يسألوا عما إذا كان النموذج قد خضع لتقييم مستقل بالنسبة إلى مناطقهم الجغرافية وآفاق قراراتهم ذات الصلة، وكيف تقارن مخرجاته بمصادرهم المعتمدة، وكيف يُنقل عدم اليقين إلى الخبراء البشريين. وينبغي أن يخضع أي تكامل في عمليات السلامة العامة لإدارة سلطات الأرصاد الجوية المسؤولة، وأن يُختبر إلى جانب الأنظمة القائمة.

بالنسبة إلى منظومات الذكاء الاصطناعي الإقليمية التي تضم مؤسسات مثل SDAIA وG42 وNEOM وstc وe&، يتمحور الدرس الأكبر حول نوع أعمال الذكاء الاصطناعي الجديرة بالتقييم: الأنظمة ذات النتائج القابلة للقياس، والقيمة العامة المحددة بوضوح، والنتائج التي يمكن الطعن فيها بصورة مستقلة. وتكتسب نتيجة WeatherNext الخاصة بالأعاصير أهمية خاصة لأن ادعاءات التنبؤ يمكن في النهاية التحقق منها مقابل الطقس المرصود، بدلاً من تقييمها بناءً على عروض نماذج ذاتية فقط.

ما الذي سيحدث لاحقاً؟

الاختبار الفوري لـWeatherNext هو التحقق المستقل. ويمكن للمجموعات البحثية فحص الإصدار المفتوح المصدر، وإعادة إنتاج النتائج ذات الصلة حيثما أمكن، وتحديد المواضع التي تكون فيها الميزة المُبلغ عنها للنموذج أقوى أو أضعف. ويمكن لمؤسسات الأرصاد الجوية تقييمه إلى جانب أدوات التنبؤ الراسخة وإجراءات الخبراء وممارسات البيانات المحلية لديها.

مسار التبني الحصيف هو التقييم قبل الاعتماد. وينبغي لخدمة طقس وطنية أو فريق لإدارة المخاطر مقارنة مخرجات WeatherNext بالعمليات القائمة بدلاً من استنتاج أن عنواناً بحثياً قوياً يجيز استبدالها. والأسئلة الأهم عملية: ما إذا كان الأداء موثوقاً للقرارات المتخذة، وما إذا كان من الممكن إيصال التحذيرات على نحو مناسب، وما إذا كان المتنبئون ذوو الخبرة يستطيعون استخدام المخرجات بفاعلية.

بالنسبة إلى الشركات المعرضة لاضطراب الطقس القاسي، تتمثل المسألة القريبة الأجل في ما إذا كان مزودو التنبؤ الموثوقون والجهات العامة سيدمجون قدرات ذكاء اصطناعي خضعت لتقييم مستقل وتحسن المهلة المفيدة. وينبغي لفرق المخاطر طلب وضوح بشأن منشأ التنبؤات وعدم اليقين الكامن وراءها والإجراء التشغيلي الذي تدعمه فعلياً نافذة تحذير أطول. ولا يستطيع الذكاء الاصطناعي تحسين التخطيط إلا عندما تُدمج مخرجاته في عمليات بشرية ومؤسسية وإدارة طوارئ سليمة.

المصادر

• Google DeepMind: WeatherNext يحقق اختراقاً في التنبؤ بالأعاصير، ٦ أغسطس ٢٠٢٦.
• Google DeepMind: كيف ساعد WeatherNext في التنبؤ بوصول إعصار ميليسا إلى اليابسة في جامايكا، ١٩ مايو ٢٠٢٦.
• Google: WeatherNext ٢ وتنبؤات الأعاصير المدارية، ٦ أغسطس ٢٠٢٦.