جوجل تكشف عن نموذج الطقس الجديد المدعوم بالذكاء الاصطناعي مع توقعات أسرع وأكثر دقة

باختصار

• WeatherNext 2 يولد مئات التوقعات العالمية في أقل من دقيقة، مما يمكّن من تحديث السيناريوهات بشكل أكثر تكرارًا من النماذج التقليدية.
• تستخدم Google النظام بالفعل عبر البحث وGemini وPixel Weather وMaps، مع خطط للتوسع بشكل أوسع.
• أسلوب نمذجة جديد، الشبكات التوليدية الوظيفية، عزز الدقة في المقاييس الرئيسية، بما في ذلك تتبع الرياح الشديدة والأعاصير.

مركزDecrypt للفن والموضة والترفيه.

اكتشف SCENE

أعلنت Google DeepMind يوم الاثنين عن نظام جديد للتنبؤ بالطقس مدعوم بالذكاء الاصطناعي، قادر على توليد توقعات الطقس العالمية بسرعة تفوق أدوات التنبؤ التقليدية بثماني مرات، حسبما ذكرت.

يسمى النظام WeatherNext 2، ويتم تقديمه كأداة لمساعدة الوكالات على الاستعداد للظروف القاسية بشكل أسرع، بينما يستمر العالم في مواجهة الكوارث الطبيعية المتكررة الناتجة عن مناخ يزداد حرارة.

لتحقيق ذلك، يولد المئات من السيناريوهات المحتملة من نقطة انطلاق واحدة، يتم حساب كل منها في أقل من دقيقة على وحدة معالجة Tensor واحدة، وهي شريحة متخصصة طورتها Google لتسريع التعلم الآلي وأحمال العمل الخاصة بالذكاء الاصطناعي.

“نعتمد على توقعات الطقس الدقيقة لاتخاذ قرارات حاسمة - من سلاسل التوريد إلى شبكات الطاقة إلى تخطيط المحاصيل,” كتب عالم الأبحاث في Google DeepMind بيتر باتاغليا على X. “الذكاء الاصطناعي يحول كيفية توقعنا للطقس.”

يؤثر الطقس على كل شيء وعلى الجميع. يساعدنا نموذج الذكاء الاصطناعي الأخير الذي تم تطويره بالتعاون مع @GoogleResearch في التنبؤ به بشكل أفضل. ⛅

WeatherNext 2 هو نظامنا الأكثر تطوراً حتى الآن، قادر على إنتاج توقعات عالمية أكثر دقة وبدقة أعلى. إليك ما يمكنه القيام به - ولماذا… pic.twitter.com/yVdFFlAHpE

— جوجل ديب مايند (@GoogleDeepMind) 17 نوفمبر 2025

<br>

النشر عبر منتجات جوجل

توقعات WeatherNext 2 تعمل بالفعل في Search و Gemini و Pixel Weather و Google Maps Weather API، مع دعم أوسع قادم في وقت لاحق.

“نحن نعمل مع فرق Google لدمج WeatherNext في نظام التنبؤ الخاص بنا”، قال مدير منتج WeatherNext 2 أكيب أودين في بيان. “سواء كنت على البحث أو Android أو خرائط Google، يؤثر الطقس على الجميع، ومن خلال تحسين توقعات الطقس، نحن قادرون على مساعدة الجميع.”

قالت DeepMind إن النماذج التقليدية قد تستغرق ساعات، مما يحد من عدد مرات تحديث السيناريوهات. من خلال استخدام الذكاء الاصطناعي المتقدم، تفوقت WeatherNext 2 على نموذجها التشغيلي السابق، WeatherNext Gen، وفقًا لما تدعيه الشركة.

“إنه أسرع بحوالي ثماني مرات من النموذج الاحتمالي السابق الذي أصدرناه العام الماضي، ومن حيث الدقة، فإنه أكبر بست مرات،” قال باتاغليا في بيان. “لذا بدلاً من اتخاذ خطوات مدتها ست ساعات، فإنه يأخذ خطوات مدتها ساعة واحدة. إنه يتفوق على الجيل التالي السابق في 99.9% من المتغيرات التي اختبرناها.”

بالمعاني العملية، يعني ذلك أن النظام الجديد أنتج توقعات أكثر دقة لدرجات الحرارة والرياح والرطوبة والضغط في كل مكان تقريبًا وفي كل نقطة تقريبًا خلال نافذة الـ 15 يومًا.

نسبت DeepMind المكاسب إلى نهج نمذجة جديد تم وصفه في ورقة بحثية في يونيو حول الشبكات التوليدية الوظيفية، أو FGN، والذي يغير كيفية تمثيل النظام لعدم اليقين وتوليد تنوعات التوقعات.

نهج نمذجة جديد

وفقًا لجوجل، يتم تدريب FGN فقط على التنبؤات أحادية المتغير، أو “الهامشية”، مثل درجة الحرارة أو الرياح أو الرطوبة في موقع محدد.

على الرغم من ذلك، يتعلم النموذج كيف تتفاعل تلك المتغيرات، مما يسمح له بالتنبؤ بأنماط أوسع ومترابطة، مثل أحداث الحرارة الإقليمية وسلوك الأعاصير.

قالت جوجل إن FGN تطابقت مع GenCast في توقعات درجات الحرارة القصوى على ارتفاع مترين وتجاوزتها في توقعات الرياح القصوى على ارتفاع عشرة أمتار، اعتمادًا على المتغير.

أظهر النموذج أيضًا معايرة أقوى عبر أوقات التسليم وأداءً أفضل عندما تم تقييم التوقعات على مناطق أكبر بدلاً من نقاط فردية.

باستخدام درجة احتمال الترتيب المستمر—وهي مقياس دقة قياسي يتحقق من مدى قرب مجموعة النتائج المتوقعة الكاملة لنموذج ما مما حدث بالفعل—يبلغ التقرير عن تحسينات متوسطة تبلغ 8.7% لدرجة احتمال الترتيب المتوسط المجمعة و7.5% لدرجة احتمال الترتيب القصوى المجمعة مقارنة بـ GenCast.

أداء توقعات الأعاصير

كما حسنت FGN توقعات الأعاصير المدارية.

مقارنةً بالمعلومات التاريخية من الأرشيف الدولي لأفضل مسارات من أجل إدارة المناخ، ساهمت توقعات المتوسط الجماعي في تقليل أخطاء المواقع بحوالي 24 ساعة من زمن التقديم بين توقعات الثلاثة والخمسة أيام.

أظهر الإصدار من FGN الذي يعمل بفترات زمنية مدتها 12 ساعة خطأً أعلى من الإصدار الذي يعمل بفترات مدتها ست ساعات ولكنه لا يزال يتفوق على GenCast في أوقات التنبؤ التي تتجاوز اليومين.

أظهرت توقعات احتمالية التتبع قيمة اقتصادية نسبية أعلى عبر معظم نسب التكلفة-الخسارة وأوقات التنفيذ.

قالت DeepMind إن أدوات التنبؤ بالأعاصير التجريبية التي تم بناؤها بهذه التكنولوجيا قد تم مشاركتها مع وكالات الأرصاد الجوية.

“تحصل على توقعات أكثر دقة، وتصل إليك بشكل أسرع، مما يساعد الجميع في اتخاذ القرارات الصحيحة، خاصة مع بدء رؤية المزيد والمزيد من الطقس المتطرف,” قال أودين. “أعتقد أن هناك طيفًا كاملًا من التطبيقات لتحسين توقعات الطقس.”