چگونه ابزار DeepMind گوگل رفتار طوفان‌ها را «سریع‌تر» پیش‌بینی می‌کند

هنگامی که طوفان گرمسیری ملیسا در جنوب هائیتی در حال چرخش بود، فیلیپ پاپین، هواشناس مرکز ملی طوفان (NHC)، اطمینان داشت که این طوفان در آستانه تبدیل شدن به یک گردباد هیولایی است. او به عنوان پیش‌بینی‌کننده اصلی در شیفت خود، پیش‌بینی کرد که در عرض تنها ۲۴ ساعت، این طوفان به گردباد دسته ۴ تبدیل شده و به سمت سواحل جامائیکا منحرف خواهد شد. هیچ پیش‌بینی‌کننده‌ای در NHC تاکنون چنین پیش‌بینی جسورانه‌ای برای تقویت سریع صادر نکرده بود. اما پاپین یک برگ برنده در آستین خود داشت: هوش مصنوعی در قالب مدل جدید گردباد DeepMind گوگل – که برای اولین بار در ماه ژوئن منتشر شد. و همانطور که پیش‌بینی شده بود، ملیسا به طوفانی با قدرت شگفت‌انگیز تبدیل شد که جامائیکا را درنوردید. پیش‌بینی‌کنندگان در NHC به طور فزاینده‌ای به شدت به DeepMind گوگل تکیه می‌کنند. صبح روز ۲۵ اکتبر، پاپین در بحث عمومی خود و در شبکه‌های اجتماعی توضیح داد که مدل گوگل دلیل اصلی اطمینان بالای او بوده است: «تقریباً ۴۰/۵۰ عضو گروهی DeepMind گوگل نشان می‌دهند که ملیسا به دسته ۵ تبدیل می‌شود. در حالی که من هنوز آماده پیش‌بینی این شدت نیستم با توجه به عدم قطعیت مسیر، این احتمال همچنان باقی است. به نظر می‌رسد دوره‌ای از تشدید سریع رخ خواهد داد زیرا طوفان به آرامی بر روی آب‌های بسیار گرم اقیانوسی حرکت می‌کند که بالاترین محتوای حرارتی اقیانوسی در کل حوضه اقیانوس اطلس است.» DeepMind گوگل اولین مدل هوش مصنوعی اختصاصی برای گردبادها است و اکنون اولین مدلی است که پیش‌بینی‌کنندگان سنتی آب و هوا را در بازی خودشان شکست داده است. در تمام ۱۳ طوفان اقیانوس اطلس تاکنون در سال جاری، مدل گوگل بهترین بوده است – حتی پیش‌بینی‌کنندگان انسانی را در پیش‌بینی مسیر شکست داده است. ملیسا در نهایت با قدرت دسته ۵ در جامائیکا به خشکی نشست، یکی از قوی‌ترین فرودهای خشکی که تاکنون در نزدیک به دو قرن ثبت سوابق در سراسر حوضه اقیانوس اطلس مستند شده است. پیش‌بینی جسورانه پاپین احتمالاً به مردم جامائیکا زمان بیشتری برای آمادگی در برابر فاجعه داد و احتمالاً جان و مال را نجات داد. DeepMind گوگل برای چند سالی است که پیش‌بینی‌های آب و هوایی را انجام می‌دهد و سیستم پیش‌بینی مادر که مدل گردباد جدید از آن مشتق شده است نیز سال گذشته در تشخیص الگوهای آب و هوایی در مقیاس بزرگ عملکرد فوق‌العاده‌ای داشت. مدل گوگل با شناسایی الگوهایی که مدل‌های آب و هوایی سنتی مبتنی بر فیزیک و زمان‌بر ممکن است از دست بدهند، کار می‌کند. مایکل لوری، پیش‌بینی‌کننده سابق NHC، گفت: «آنها این کار را بسیار سریع‌تر از همتایان مبتنی بر فیزیک خود انجام می‌دهند و قدرت محاسباتی ارزان‌تر و کم‌هزینه‌تر است.» لوری افزود: «آنچه این فصل گردباد در مدت کوتاهی ثابت کرده است این است که مدل‌های آب و هوایی جدید هوش مصنوعی با مدل‌های آب و هوایی کند مبتنی بر فیزیک که به طور سنتی به آنها تکیه کرده‌ایم، رقابت می‌کنند و در برخی موارد دقیق‌تر هستند.»

بی‌شک، گوگل دیپ‌مایند نمونه‌ای از یادگیری ماشین است – تکنیکی که سال‌هاست در علوم داده‌محور مانند هواشناسی مورد استفاده قرار می‌گیرد – و برخلاف چت‌جی‌پی‌تی، هوش مصنوعی مولد نیست. یادگیری ماشین حجم عظیمی از داده‌ها را دریافت کرده و الگوهایی را از آن‌ها استخراج می‌کند به گونه‌ای که مدل آن تنها در عرض چند دقیقه به پاسخ می‌رسد و می‌تواند این کار را روی یک کامپیوتر رومیزی انجام دهد – که در تضاد شدید با مدل‌های پرچمداری است که دولت‌ها دهه‌هاست از آن‌ها استفاده می‌کنند و اجرایشان ساعت‌ها طول می‌کشد و به برخی از بزرگترین ابرکامپیوترهای جهان نیاز دارد. با این حال، این واقعیت که مدل گوگل توانست مدل‌های قدیمی و استاندارد طلایی قبلی را به این سرعت پشت سر بگذارد، برای هواشناسانی که تمام عمر خود را صرف پیش‌بینی قدرتمندترین طوفان‌های جهان کرده‌اند، شگفت‌انگیز است. جیمز فرانکلین، پیش‌بینی‌کننده بازنشسته مرکز ملی طوفان، گفت: «من تحت تأثیر قرار گرفته‌ام.» «حجم نمونه اکنون به اندازه‌ای بزرگ است که کاملاً مشخص است این مورد شانس مبتدی نیست.» فرانکلین گفت که اگرچه گوگل دیپ‌مایند امسال در پیش‌بینی مسیر آینده طوفان‌های حاره‌ای در سراسر جهان از سایر مدل‌ها پیشی گرفته است، اما مانند بسیاری از مدل‌های هوش مصنوعی، گاهی اوقات پیش‌بینی‌های شدت بالا را اشتباه انجام می‌دهد. این مدل در اوایل سال جاری با طوفان ارین دچار مشکل شد، زیرا این طوفان نیز در شمال کارائیب به سرعت به دسته ۵ رسید. همچنین با طوفان کالماگی – که روز دوشنبه در فیلیپین به خشکی نشست – مشکل داشت. فرانکلین گفت که در فصل تعطیلی آینده، قصد دارد با گوگل صحبت کند تا ببیند چگونه می‌تواند خروجی دیپ‌مایند را با ارائه داده‌های اضافی درونی که پیش‌بینی‌کنندگان می‌توانند از آن‌ها برای ارزیابی دقیق چرایی رسیدن به پاسخ‌هایش استفاده کنند، مفیدتر سازد. فرانکلین گفت: «یک چیزی که مرا آزار می‌دهد این است که در حالی که این پیش‌بینی‌ها واقعاً خوب به نظر می‌رسند، خروجی مدل تا حدودی جعبه سیاه است.» هرگز یک شرکت خصوصی انتفاعی وجود نداشته است که یک مدل آب و هوایی سطح بالا تولید کند که به محققان اجازه دهد نگاهی به روش‌های آن بیندازند – برخلاف تقریباً تمام مدل‌های دیگر که توسط دولت‌هایی که آن‌ها را طراحی و نگهداری می‌کنند، به طور کامل و رایگان در اختیار عموم قرار می‌گیرند. در حالی که گوگل خروجی سطح بالای دیپ‌مایند را به صورت زنده در یک وب‌سایت اختصاصی در دسترس عموم قرار داده است، روش‌های آن همچنان تا حد زیادی پنهان مانده است. گوگل در شروع استفاده از هوش مصنوعی برای حل مشکلات دشوار پیش‌بینی آب و هوا تنها نیست. دولت‌های آمریکا و اروپا نیز مدل‌های آب و هوایی هوش مصنوعی خود را در دست توسعه دارند – که آن‌ها نیز مهارت بهبود یافته‌ای نسبت به نسخه‌های قبلی غیر هوش مصنوعی نشان داده‌اند. گام‌های بعدی در پیش‌بینی آب و هوای هوش مصنوعی به نظر می‌رسد شرکت‌های نوپا هستند که به سراغ مشکلات دشوار قبلی مانند پیش‌بینی‌های فصلی و هشدارهای پیشرفته‌تر برای وقوع گردبادها و سیل‌های ناگهانی می‌روند – و آن‌ها برای انجام این کار بودجه دولتی آمریکا را دریافت می‌کنند.

یک شرکت به نام WindBorne Systems حتی در حال راه‌اندازی بالن‌های هواشناسی خود برای پر کردن شکاف‌های شبکه مشاهده آب‌وهوای ایالات متحده است که اخیراً توسط دولت ترامپ کوچک شده است.