Google DeepMind تعلن عن ثورة في التنبؤ بالأعاصير: نموذج WeatherNext يمنح المحللين يوماً إضافياً كاملاً للتحذير — والمصدر مفتوح للجميع

ما الذي يفعله WeatherNext Cyclones بشكل مختلف؟

لطالما واجهت النماذج التقليدية للتنبؤ بالأعاصير معضلة: النماذج العالمية جيدة في توقع مسار الإعصار (أين سيذهب) لكنها ضعيفة في التنبؤ بشدته وبنيته الريحية، بينما النماذج الإقليمية عالية الدقة تلتقط الشدة لكنها تفقد الصورة الكبيرة. WeatherNext Cyclones هو نموذج ذكاء اصطناعي واحد يتنبأ بالعناصر الثلاثة — المسار، الشدة، والبنية الريحية — في آن واحد، محققاً دقة متطورة في كل مقياس .

دُرِّب النموذج على عقود من بيانات الغلاف الجوي العالمية إلى جانب قاعدة بيانات منظمة تضم ما يقرب من 5,000 إعصار استوائي تاريخي . يمكنه توليد 1,000 سيناريو احتمالي للعاصفة في أقل من دقيقة لكل تشغيل على شريحة TPU واحدة، مما يمنح المحللين مجموعة من النتائج المحتملة بدلاً من توقع واحد .

تحسين الدقة: يوم كامل إضافي من وقت التحذير

النتيجة الرئيسية واضحة وقابلة للقياس. وفقاً لورقة Nature، توقعات WeatherNext Cyclones لثلاثة أيام دقيقة بقدر ما كانت تقدمه أفضل النماذج السابقة ليومين فقط . في المتوسط، يعني هذا حوالي 24 ساعة إضافية من وقت التحذير للمحللين لتحذير المجتمعات في مسار الإعصار .

تم التحقق من هذا التحسين مقابل بيانات لأعاصير استوائية من عام 2023 حتى 2025. عبر مجموعة البيانات تلك، تفوق WeatherNext على النماذج التشغيلية الرائدة — بما فيها ECMWF-ENS وHWRF — في مقاييس المسار والشدة والبنية الريحية . تصف Google DeepMind هذا المكسب بأنه يعادل قرابة عقد من التحسين النموذجي في الأرصاد الجوية التقليدية .

اختبار واقعي: إعصار ميليسا (2025)

لم يكن WeatherNext Cyclones مجرد مشروع بحثي؛ لقد عمل بشكل تشغيلي خلال موسم أعاصير المحيط الأطلسي لعام 2025، حيث قدم أقوى دليل على فعاليته في الواقع .

في مايو 2025، قدم النموذج توقعاً فورياً موثقاً للاشتداد السريع لإعصار ميليسا. بدءاً من سرعات رياح من الفئة الأولى، توقع WeatherNext بدقة أن العاصفة ستصل إلى شدة الفئة الخامسة — وهي قفزة لفتت انتباه المحللين في المركز الوطني للأعاصير الأمريكي (NHC) .

والأهم من ذلك، أن المركز الوطني للأعاصير (NHC) استخدم توقعات WeatherNext لإصدار تحذيرات بشأن هبوط إعصار ميليسا في جامايكا قبل خمسة أيام. وفقاً لـ Google DeepMind، كانت هذه المرة الأولى التي يتنبأ فيها محققو المركز بأن عاصفة ستصل إلى شدة الفئة الخامسة بدءاً من رياح الفئة الأولى، وساعد وقت التحذير الإضافي في إنقاذ الأرواح . جاءت توقعات النموذج بثقة 80%، مما أعطى صانعي القرار اليقين اللازم للتصرف .

ما الذي يجعل هذا ممكناً: القفزة التقنية

يبني WeatherNext Cyclones على البنية الأوسع لـ WeatherNext 2، التي قدمتها Google DeepMind في نوفمبر 2025 . يولد WeatherNext 2 التوقعات أسرع بـ 8 مرات من الأنظمة السابقة وبدقة تصل إلى فترات زمنية مدتها ساعة واحدة . لكن النموذج المخصص للأعاصير تطلب حل مشكلة أصعب: كيفية عمل توقعات دقيقة باستخدام بيانات غلاف جوي عالمية خشنة نسبياً بدلاً من الشبكات الإقليمية عالية الدقة.

وفقاً لورقة Nature، يتحدى WeatherNext Cyclones الافتراض القديم بأن التنبؤ الدقيق بالأعاصير يتطلب بيانات عالية الدقة. من خلال التدريب على الظروف الجوية العالمية، يحقق النموذج دقة متطورة دون التكلفة الحسابية للنماذج التقليدية عالية الدقة . هذا سبب رئيسي يجعل النموذج يعمل بالسرعة الكافية ليكون مفيداً للعمليات في الوقت الفعلي.

المصدر المفتوح: جعل التكنولوجيا في متناول الجميع

على عكس العديد من الإنجازات في مجال الذكاء الاصطناعي التي تظل محصورة داخل مختبرات الأبحاث الخاصة، أطلقت Google DeepMind WeatherNext Cyclones و WeatherNext 2 و WeatherNext 2-mini كنماذج مفتوحة المصدر .

الكود وأوزان النماذج متاحة على GitHub بتراخيص قابلة للاستخدام تجارياً . هذا يعني أن هيئات الأرصاد الوطنية في الدول النامية — التي قد لا تملك ميزانية لأنظمة التنبؤ الاحتكارية — يمكنها تحميل النماذج وتشغيلها وتكييفها لتناسب احتياجاتها المحلية . النموذج المصغر WeatherNext 2-mini مصمم ليكون قابلاً للتشغيل في Colab notebook، مما يجعله في متناول حتى الباحثين ذوي الموارد الحاسوبية المحدودة .

ماذا يعني هذا لمستقبل التنبؤ بالأعاصير

من الصعب المبالغة في تقدير الأثر العملي ليوم إضافي من التحذير. كل ساعة إضافية من وقت التبكير تسمح لمديري الطوارئ بطلب الإخلاء، وتوزيع الإمدادات، وإصدار تحذيرات مستهدفة للسكان المعرضين للخطر. في عالم يجعل فيه تغير المناخ الأعاصير الاستوائية أكثر شدة ويصعب التنبؤ بها، فإن وجود نموذج ذكاء اصطناعي يمكنه تقديم تحسين يعادل عقداً من التقدم في إصدار واحد — وهو متاح مجاناً للجميع — يمثل خطوة كبيرة إلى الأمام لتعزيز مرونة العالم في مواجهة المناخ.