تحول در پیش‌بینی طوفان‌های حاره‌ای: مدل WeatherNext Cyclones گوگل دیپ‌مایند زمان هشدار را ۲۴ ساعت افزایش داد

در دورانی که تغییرات اقلیمی، الگوهای جوی را به سمت بی‌ثباتی فزاینده سوق می‌دهد، دانشمندان گوگل دیپ‌مایند (Google DeepMind) با معرفی مدل هوش مصنوعی «WeatherNext Cyclones» گامی انقلابی در حوزه هواشناسی برداشته‌اند. این مدل که به عنوان یکی از برترین نوآوری‌های علمی سال ۲۰۲۶ شناخته شده، با ارتقای دقت پیش‌بینی مسیر و شدت طوفان‌ها، عملاً یک روز فرصت طلایی بیشتری برای تخلیه مناطق مسکونی و اتخاذ تدابیر پیشگیرانه در اختیار مراکز بحران قرار داده است.

شکستن محدودیت‌های کلاسیک در پیش‌بینی جوی

مدل‌های سنتی هواشناسی عمدتاً بر «قوانین فیزیکی» و معادلات دیفرانسیل پیچیده دینامیک سیالات تکیه دارند که اجرای آن‌ها نیازمند زیرساخت‌های عظیم سوپرکامپیوتری است. در مقابل، WeatherNext Cyclones از یادگیری ماشین (Machine Learning) برای تحلیل داده‌های تاریخی و الگوهای پیچیده جوی استفاده می‌کند. تفاوت کلیدی این مدل با سیستم‌های پیشین در حل مسئله «تضاد بین مسیر و شدت» نهفته است؛ مسئله‌ای که در آن مدل‌ها معمولاً یا مسیر حرکت طوفان را به درستی پیش‌بینی می‌کردند و یا شدت آن را، اما پیش‌بینی همزمان هر دو پارامتر به دلیل مقیاس‌های متفاوت ترمودینامیکی دشوار بود.

عبور از بحران شدت طوفان

یکی از چالش‌های تاریخی که با طوفان «اوتیس» در سال ۲۰۲۳ به اوج رسید، عدم توانایی مدل‌ها در پیش‌بینی سریع تشدید (Rapid Intensification) طوفان‌ها بود. گوگل دیپ‌مایند با آموزش مدل خود بر روی پایگاه داده‌های متخصصان طوفان‌شناسی از سال‌های ۲۰۲۳ تا ۲۰۲۵، موفق شد با دقت خیره‌کننده ۸۰ تا ۱۰۰ درصدی، تشدید ناگهانی طوفان‌ها را تا پنج روز پیش از وقوع پیش‌بینی کند. این جهش عملکرد، معادل یک دهه پیشرفت در روش‌های سنتی مدل‌سازی فیزیکی ارزیابی می‌شود.

مقابله با مسئله «قوی سیاه» (Gray Swan)

پدیده‌های جوی «قوی سیاه» به طوفان‌هایی گفته می‌شود که از نظر فیزیکی امکان‌پذیرند اما بسیار نادر هستند و داده‌های آموزشی کافی برای مدل‌های سنتی ندارند. WeatherNext Cyclones با تولید ۱۰۰۰ سناریوی احتمالی (Probabilistic Forecasting)، قادر است این رویدادهای مخربِ کم‌احتمال را شناسایی کرده و ریسک‌های ناشی از تغییرات اقلیمی را به حداقل برساند.

گسترش عدالت اقلیمی از طریق متن‌باز بودن

یکی از مهم‌ترین ویژگی‌های WeatherNext Cyclones، ماهیت دموکراتیک و در دسترس بودن آن است. برخلاف مدل‌های فیزیکی سنگین، این هوش مصنوعی به راحتی در زیرساخت‌های متوسط قابل اجراست و به جوامعی که در خط مقدم تغییرات اقلیمی قرار دارند اما فاقد منابع سخت‌افزاری پیشرفته هستند، امکان دسترسی به هشدارهای دقیق را می‌دهد. توسعه‌دهندگان در حال همکاری با موسسات بین‌المللی هستند تا این دانش را به مناطق اقیانوس آرام، استرالیا و هند گسترش دهند.