كيف نطّلع على أفكار الذكاء الاصطناعي في التنبؤ بالطقس؟ سريع
خبير الأرصاد يصدر توقعاته لأسبوع كامل في ثوانٍ، لكنه لا يستطيع تفسير أيٍّ من قراراته. هكذا تقريبًا تعمل نماذج التعلم العميق في التصوير الطبي الحديثة للطقس: لم تعد أقل شأنًا من الطرق العددية الكلاسيكية، لكن منطقها الداخلي مخفي خلف ملايين المعاملات.
مجموعة من الباحثين صنعت أداة تنظر داخل هذا "الصندوق الأسود". اختاروا الشبكة العصبية البيانية GraphCast — وهي من الأنظمة المتقدمة — وتعلموا كيف يتجسسوا على طبقاتها الخفية. تستخرج الأداة التمثيلات الداخلية للبيانات (وهي بمثابة "أفكار" النموذج) وتفككها إلى مكونات بسيطة باستخدام تحليل المكونات الرئيسية. هذه الطريقة تلتقط أقوى الأنماط — تمامًا كترتيب الصور حسب السطوع والتباين.
في الاختبارات الأولى، تمكنوا من العثور على اتجاهات تذكرنا بأشياء مألوفة لدى خبراء الأرصاد: موجات في الغلاف الجوي عند خطوط العرض الوسطى وتوزيع بخار الماء. ليست هذه أنماطًا عشوائية. النموذج يلتقط بالفعل عمليات فيزيائية، لكنه يسجلها بلغته الداخلية. تساعد الأداة في ترجمة هذه اللغة إلى لغة بشرية.
ما زالت هذه خطوات أولى، لكنها مهمة. إذا تعلمنا قراءة "أفكار" الشبكات العصبية الجوية، فسنتمكن ليس فقط من فحصها بحثًا عن الأخطاء، بل أيضًا من فهم الغلاف الجوي نفسه بشكل أفضل. فربما ترى النموذج روابط تخفى على المعادلات التقليدية.
GraphCast هي شبكة عصبية تمثل الغلاف الجوي ليس كشبكة منتظمة، بل كرسم بياني، حيث العقد هي نقاط على الكرة الأرضية، والحواف هي الروابط بينها. هذا الأسلوب يسمح بالتقاط التفاعلات البعيدة المدى بشكل أكثر فعالية، مثل تأثير عاصفة في المحيط الأطلسي على طقس أوروبا.