DeepMind WeatherNext предсказывает ураганы раньше существующих моделей прогноза

أعلنت Google DeepMind في أغسطس 2026 عن WeatherNext، وهو نموذج ذكاء اصطناعي يتنبأ بالأعاصير في وقت أبكر وبدقة أعلى من أي نظام تنبؤ جوي موجود حالياً، مستخدماً في الوقت ذاته بيانات ذات دقة منخفضة.

ما الذي يستطيع WeatherNext فعله

يحل WeatherNext مهمتين في آنٍ واحد: يحدد مسار الإعصار (الاتجاه الذي تسير إليه العاصفة) وشدته (مدى قوته). كثيراً ما تتفوق النماذج العددية التقليدية في التعامل مع أحد المعاملين على حساب الآخر — أما WeatherNext فيتنبأ بكليهما معاً، ويسبق الأنظمة الموجودة في إصدار التحذيرات المبكرة.

• المطوِّر — Google DeepMind
• سيُنشر النموذج كمصدر مفتوح (open source)
• يتنبأ بمسار الإعصار وشدته في وقتٍ واحد
• يعمل على بيانات ذات دقة منخفضة
• يُصدر تحذيرات أبكر من الأساليب التقليدية

لكل ساعة إضافية في التنبؤ أهمية مباشرة على صعيد السلامة: فهي تتيح إجلاء السكان، وتفعيل خدمات الإنقاذ، وتهيئة البنية التحتية الحيوية قبل وصول العاصفة. وكلما كانت المعلومات عن وجهة الإعصار وقوته متاحةً بدقة وفي وقت أبكر، كان بمقدور الخدمات الجوية والسلطات توزيع الموارد بكفاءة أكبر.

لماذا لا يفهم حتى الباحثون أنفسهم كيف تعمل

تتمثل السمة الجوهرية لـ WeatherNext — وهي لغزه الكبير في الوقت ذاته — في أن آلية عمل النموذج غير مفهومة حتى بالنسبة لمطوريه. وفقاً لما أوردته Wired، لا يستطيع فريق DeepMind تفسير الكيفية التي يستخلص بها النموذج تنبؤات موثوقة من بيانات ذات دقة منخفضة.

«لا يزال الباحثون غير قادرين على فهم كيف يفعل النموذج ذلك بالضبط»، جاء في مقال

Wired استناداً إلى DeepMind.

هذه مشكلة الشبكات العصبية الكلاسيكية — غموض البنية («الصندوق الأسود»). وبالنسبة للخدمات الجوية وهيئات الإنقاذ، فإن لذلك بُعداً عملياً: تُتخذ قرارات إجلاء مناطق بأكملها بناءً على التنبؤات. وإن أخطأ النموذج وكانت أسباب الخطأ غير واضحة، فإن تصحيح سلوكه يغدو بالغ الصعوبة. تصف DeepMind الكشف عن هذه الآلية بوصفه موضوع أبحاث جارية.

لماذا تُعدّ بيانات الدقة المنخفضة إنجازاً

في الأرصاد الجوية الكلاسيكية، تعتمد دقة التنبؤ بشكل مباشر على كثافة الرصد وتفاصيله: كلما زادت البيانات وارتفعت جودتها كان التنبؤ أفضل. يقلب WeatherNext هذا المنطق رأساً على عقب: يحقق النموذج دقة عالية انطلاقاً من بيانات مدخلة كانت الأنظمة التقليدية ستعتبرها غير كافية.

تبرز أهمية ذلك العملية بشكل خاص في المناطق الاستوائية والدول الجزرية الصغيرة: فهذه هي بالضبط الأماكن التي تكون فيها الأعاصير أكثر تدميراً، وهي ذاتها الأماكن التي كثيراً ما تكون فيها البنية التحتية الجوية قديمة أو منقوصة — محطات أرضية متفرقة، وثغرات في البيانات، وشُح في المعدات الحديثة. نموذج قادر على تقديم تنبؤات مبكرة ودقيقة في ظروف شُح المعلومات يغيّر جذرياً قدرات منظومات الإنذار المبكر لملايين الأشخاص.

تعتزم DeepMind نشر WeatherNext كمصدر مفتوح، مما سيتيح للخدمات الجوية الوطنية والباحثين المستقلين في جميع أنحاء العالم تكييف النموذج والتحقق من نتائجه وتطويره استناداً إلى بياناتهم الإقليمية الخاصة.

ما الذي يعنيه هذا

إذا اجتاز WeatherNext التحقق المستقل، فإن التنبؤ بالأعاصير بالذكاء الاصطناعي قد يصبح جزءاً من الأدوات المعيارية للخدمات الجوية في جميع أنحاء العالم. سيُسرّع المصدر المفتوح هذا التحول: ستتمكن المناطق الأشد عُرضةً للأعاصير من الحصول على نموذج متطور دون الحاجة إلى تطويره من الصفر.

الأسئلة الشائعة

متى سيصدر WeatherNext كمصدر مفتوح؟

أعلنت DeepMind نيتها نشر WeatherNext كمصدر مفتوح، غير أن منشور Wired لا يحدد جدولاً زمنياً محدداً.

ماذا يعني العمل «على بيانات ذات دقة منخفضة»؟

تتطلب نماذج التنبؤ التقليدية شبكة كثيفة من الرصدات الجوية عالية التفصيل. يُظهر WeatherNext دقة عالية مع بيانات مدخلة أكثر «تبعثراً» — وهذا أمر بالغ الأهمية بالنسبة للدول والمناطق التي تعاني من ضعف في البنية التحتية لرصد الطقس.