به طور خلاصه: Aardvark Weather، یک سیستم مبتنی بر هوش مصنوعی، نویدبخش بهبود چشمگیر پیشبینی آب و هوا با ارائه پیشبینیها دهها برابر سریعتر و با استفاده از هزاران برابر قدرت محاسباتی کمتر نسبت به روشهای فعلی است. این سیستم توسط پژوهشگران دانشگاه کمبریج با پشتیبانی موسسه آلن تورینگ، تحقیقات مایکروسافت و مرکز اروپایی پیشبینی میانمدت آب و هوا توسعه یافته است.
سرعت و کارایی سیستمهای پیشبینی مدرن حیاتی است، زیرا روشهای سنتی متکی به ابررایانههای قدرتمند و تیمهای گستردهای از متخصصان هستند و اغلب برای تولید پیشبینیها به چند ساعت زمان نیاز دارند.
نوآوریهای اخیر از سوی غولهای فناوری مانند هواوی، گوگل و مایکروسافت نشان داده است که هوش مصنوعی میتواند جنبههای خاصی از فرآیند پیشبینی را به طور چشمگیری بهبود بخشد، از جمله حلکنندههای عددی که در پیشبینی آب و هوا بسیار مهم هستند، زیرا نحوه تکامل شرایط جوی را در طول زمان شبیهسازی میکنند. این شرکتها با ادغام هوش مصنوعی در این حلکنندهها، به پیشبینیهای سریعتر و دقیقتری دست یافتهاند.
به عنوان یک مثال، گوگل در حال توسعه مدلهای هوش مصنوعی برای پیشبینی آب و هوا است و در حال حاضر دو مدل را به مشتریان ابری سازمانی خود بازاریابی میکند. این مدلها که توسط Google DeepMind توسعه یافتهاند، از دادههای آب و هوایی تاریخی برای پیشبینی شرایط آینده 10 تا 15 روز قبل استفاده میکنند.
Aardvark با جایگزینی فرآیندهای پیشبینی سنتی با یک مدل یادگیری ماشین ساده و کارآمد، پیشرفت چشمگیری را نشان میدهد. با استفاده از یک رایانه رومیزی استاندارد، میتواند دادهها را از منابع مختلف، از جمله ماهوارهها و ایستگاههای هواشناسی، پردازش کند تا پیشبینیهای جهانی و محلی را در عرض چند دقیقه تولید کند.
پروفسور ریچارد ترنر از دانشکده مهندسی کمبریج، که رهبری این تحقیق را بر عهده داشت، توضیح داد: «Aardvark روشهای فعلی پیشبینی آب و هوا را بازتعریف میکند و این پتانسیل را دارد که پیشبینیهای آب و هوا را سریعتر، ارزانتر، انعطافپذیرتر و دقیقتر از همیشه کند. Aardvark هزاران برابر سریعتر از تمام روشهای پیشبینی آب و هوای قبلی است.»
Aardvark با وجود این که تنها از کسری از دادههای مورد استفاده توسط سیستمهای موجود استفاده میکند، از سیستم پیشبینی ملی GFS ایالات متحده در چندین معیار کلیدی پیشی میگیرد و با پیشبینیهای سرویس ملی هواشناسی که معمولاً شامل مدلهای متعدد و تحلیلهای تخصصی است، رقابت میکند.
آنا آلن، نویسنده اول از دانشکده علوم کامپیوتر و فناوری کمبریج، خاطرنشان کرد: «این نتایج تنها آغاز چیزی است که Aardvark میتواند به آن دست یابد.» او گفت که رویکرد یادگیری سرتاسری را میتوان به راحتی برای سایر مسائل پیشبینی آب و هوا، مانند طوفانها، آتشسوزیهای جنگلی و گردبادها اعمال کرد. همچنین میتوان از آن برای پیشبینی گستردهتر سیستم زمین، از جمله کیفیت هوا، پویایی اقیانوس و پیشبینی یخ دریا استفاده کرد.
یکی از جالبترین جنبههای Aardvark انعطافپذیری و طراحی ساده آن است. از آنجا که مستقیماً از دادهها یاد میگیرد، میتوان آن را به سرعت تطبیق داد تا پیشبینیهای سفارشی برای صنایع یا مکانهای خاص تولید کند، چه پیشبینی دما برای حمایت از کشاورزی آفریقا یا شرایط باد برای شرکتهای انرژی تجدیدپذیر اروپایی. این در تضاد شدید با سیستمهای سنتی است که برای سفارشیسازی به سالها کار توسط تیمهای بزرگ نیاز دارند.
این قابلیت این پتانسیل را دارد که پیشبینی آب و هوا را در کشورهای در حال توسعه، جایی که دسترسی به تخصص و منابع محاسباتی محدود است، متحول کند. دکتر اسکات هاسکینگ از موسسه آلن تورینگ گفت: «با انتقال پیشبینی آب و هوا از ابررایانهها به رایانههای رومیزی، میتوانیم پیشبینی را دموکراتیزه کنیم و این فناوریهای قدرتمند را در اختیار کشورهای در حال توسعه و مناطق کمداده در سراسر جهان قرار دهیم.»
انتظار میرود Aardvark نقش مهمی در گسترش دامنه پیشبینی آب و هوا ایفا کند. ترنر اشاره کرد که این مدل میتواند در نهایت پیشبینیهای هشت روزه را به طور دقیق پیشبینی کند و از قابلیتهای مدلهای فعلی تا سه روز فراتر رود. این پیشرفت، همراه با سازگاری و کارایی Aardvark، آن را به یک نیروی تحولآفرین در هواشناسی تبدیل میکند.
مراحل بعدی برای Aardvark شامل ایجاد یک تیم جدید در موسسه آلن تورینگ است که به بررسی استقرار این فناوری در جنوب جهانی و ادغام آن در ابتکارات پیشبینی زیستمحیطی گستردهتر میپردازد.