فريق مايكروسوفت يفوز بمسابقة البيانات من خلال تحسين دقة توقعات الطقس بشكل كبير

بقلم سوبر نيرو

وصف السيناريو:استخدم فريق البحث في مايكروسوفت تكنولوجيا التعلم الآلي لتحسين دقة توقعات درجات الحرارة وهطول الأمطار بشكل كبير في توقعات المناخ الموسمية. يوفر الراحة للأماكن التي تعتمد على توقعات الطقس.

الكلمات المفتاحية:التعلم الآلي، والتنبؤ بالطقس، والذكاء الاصطناعي للأرض

لا بد أنك تعرضت للخداع من خلال توقعات الطقس. ولكن مهما كانت توقعات الطقس غير موثوقة، فإن الناس ما زالوا يستمتعون بها لأن الطقس مرتبط بنا ارتباطًا وثيقًا. على سبيل المثال، في التخطيط الزراعي، من الضروري إجراء التنبؤات بدقة قدر الإمكان حتى نكون مستعدين بشكل كامل للظروف المناخية القادمة.

وأشار ليستر ماكي، الباحث في مجال التعلم الآلي في مركز أبحاث مايكروسوفت في كامبريدج، إلى أن التوقعات السائدة الآن هي أنه خلال الأسبوعين إلى الستة أسابيع المقبلة، "سيكون الأمر مجرد مسألة حظ". ولمعالجة هذا الوضع، قام بتطبيق خبرته في مجال الذكاء الاصطناعي على التنبؤ بالطقس لزيادة فرص التنبؤات الدقيقة.

وباستخدام تقنيات التعلم الآلي، نجح ماكي وفريقه في تطوير تكنولوجيا متطورة.في مسابقة التنبؤ بالطقس دون الموسمية التي نظمها مكتب استصلاح الأراضي بالولايات المتحدة، كان نموذج فريقهم أكثر دقة بكثير من النموذج القياسي السابق.يهدف هذا المسابقة إلى حل مشاكل إدارة الموارد المائية، بما في ذلك الاستجابة للتغيرات في الظروف الهيدرولوجية ومنع الجفاف أو الفيضانات مسبقًا.

كما تلقى مشروع البحث الخاص بفريق ماكي الدعم من برنامج الذكاء الاصطناعي من أجل الأرض التابع لشركة مايكروسوفت لتشجيعهم على استخدام التكنولوجيا لتقديم مساهمات أكبر للمجتمع.

عندما يصطدم التعلم الآلي والتنبؤ بالطقس

لم يكن ماكي يعرف الكثير عن التنبؤ بالطقس والمناخ حتى التقى بزميله المستقبلي، عالم المناخ جوداه كوهين من معهد البحوث الجوية والبيئية.

عمل كوهين سابقًا في مجال استشارات مخاطر المناخ وكان شغوفًا بالبحث في مجال التنبؤ بالطقس. لكن عيوب الطرق التقليدية أبطأت تقدمه، لذا حاول إجراء تحسينات من خلال التعلم الآلي.

اتصل كوهين بماكي لأنه علم أن ماكي كان جيدًا في تكنولوجيا التعلم الآلي، والتي يمكنها جمع معلومات فعالة من بيانات الطقس والمناخ التاريخية لمساعدته على تحسين أساليب التنبؤ الخاصة به.

وبفضل تشجيع كوهين، أدرك ماكي تدريجياً إمكانية تطبيق ومزايا التعلم الآلي في هذا المجال. وبعد ذلك بدأوا تعاونًا معمقًا، يجمع بين مجالات خبرتهم.

لفترة من الزمن، كان من الشائع تحليل الطقس والتنبؤ به من خلال البيانات التاريخية، ولكن بحلول ثمانينيات القرن العشرين، أصبحت هذه الطريقة غير مستخدمة. ومنذ ذلك الحين، أصبحت محاكاة النماذج الفيزيائية لتطور الغلاف الجوي والمحيطات تهيمن على الصناعة. ومع تزايد قوة الحوسبة بشكل كبير، أصبحت هذه النماذج أكثر تعقيدًا وشعبية.

وأضاف ماكي: "تستخدم مراكز المناخ الكبرى اليوم أجهزة كمبيوتر عملاقة كبيرة لمحاكاة حركة الغلاف الجوي والمحيط". مع تطور التكنولوجيا، تحسنت التنبؤات، لكن الناس قلّ اهتمامهم بالبيانات التاريخية. النهج الشائع الآن هو دراسة أحوال الطقس الحالية واستقراء معادلاتها التفاضلية للتنبؤ.

ولكن ماكي وكوهين كان لديهما خطط أخرى. ويأملون في دمج كمية هائلة من معلومات البيانات التاريخية في التوقعات الفرعية الموسمية.

قال لوكاس جوبا، كبير مسؤولي البيئة في برنامج الذكاء الاصطناعي من أجل الأرض بشركة مايكروسوفت:"يعمل ماكي على مشكلة صعبة، والميزة هي أن التكنولوجيا التي يستكشفها لها فائدة كبيرة في التنبؤ بالطقس ولها قابلية تطبيق كبيرة في مجالات اجتماعية واقتصادية أوسع."

لقد تم استخدام المنافسة لاختبار المياه، ولكن النتائج كانت...

وبينما كان ماكي وكوهين يتعاونان في مجال البحث، تلقى كوهين إشعارًا بمسابقة ترعاها هيئة استصلاح الأراضي الأمريكية لتحسين دقة توقعات الطقس مثل درجة الحرارة وهطول الأمطار في غرب الولايات المتحدة.

وقال ماكي إن النماذج الحالية لديها أساليب ناضجة نسبيا لكل من الأمد القريب والطويل: بالنسبة لنماذج الطقس في غضون سبعة أيام، فإن الأداء جيد بالفعل؛ وبالنسبة للتنبؤات طويلة الأجل للغاية، مثل تلك التي تمتد من سنة إلى أكثر من عشر سنوات، فإن نماذج التنبؤ بالمناخ متطورة أيضاً.

لكن التوقعات دون الموسمية هي مرحلة وسيطة تعتمد على مجموعة من المتغيرات التي تؤثر على الطقس على المدى القصير، مثل درجات الحرارة اليومية والرياح، فضلاً عن العوامل الموسمية مثل ظاهرة النينيو والجليد البحري في القطب الشمالي.ولهذا السبب، من الصعب التنبؤ.

خلال المنافسة التي تستمر 13 شهرًا، يتعين عليهم إجراء توقعات جوية مستمرة للأسابيع الثلاثة أو الأربعة المقبلة، أو الخمسة أو الستة أسابيع المقبلة. وتضمنت المسابقة توقعات لهطول الأمطار ودرجات الحرارة.

وللتوصل إلى تنبؤات أفضل، استخدموا طريقتين مختلفتين للتعلم الآلي. ويتمثل أحد هذه الأساليب في تطبيق مجموعة متنوعة من البيانات، بما في ذلك سجلات درجات الحرارة وهطول الأمطار في البيانات التاريخية، فضلاً عن مجموعة من نماذج التنبؤ الفيزيائية مثل تركيز الجليد البحري وظاهرة النينيو (المقابلة لـ MultiLLR). الطريقة الأخرى هي استخدام بيانات تاريخية واحدة فقط للمشروع المراد معالجته (المقابلة لـ AutoKNN).

"نقوم بإعداد توقعات كل أسبوعين، وخلال هذه الفترة، يتعلق الأمر في الغالب بجمع بيانات جديدة، ومعالجتها، وبناء البنية الأساسية لاختبار أساليب جديدة، ثم تطوير أساليب جديدة وتقييمها"، كما يوضح ماكي. "ثم نتوقف، ونقوم بعمل توقعات، ونكرر ذلك خلال الأسبوعين التاليين."

وفي وقت متأخر من المباراة، حاول فريق ماكي الجمع بين النهجين وحقق أفضل التوقعات. وقد تم الإعلان عن نتائج المسابقة أيضًا في 7 مارس بتوقيت الولايات المتحدة.

حقق فريق ماكي وكوهين نتائج مبهرة، حيث احتل المركز الأول في التنبؤ بدرجات الحرارة لمدة تتراوح بين ثلاثة إلى أربعة أسابيع، والمركز الثاني في التنبؤ بإجمالي هطول الأمطار لمدة تتراوح بين خمسة إلى ستة أسابيع.

الطقس متوقع، ولكن ماذا عن مستقبلهم؟

وقد نشر الفريق التفاصيل الفنية ونتائج البحث ذات الصلة في ورقة بحثية على arXiv.org. ولتشجيع المزيد من الأشخاص على الانضمام إلى هذا التحدي، قاموا أيضًا بإتاحة مجموعة البيانات التي تم إنشاؤها للعامة.

عنوان الورقة: https://arxiv.org/pdf/1809.07394.pdf

عنوان مجموعة البيانات: https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/IHBANG

يقدم برنامج الذكاء الاصطناعي من أجل الأرض التابع لشركة مايكروسوفت التمويل لماكي وزملائه لتشجيع المزيد من الأشخاص على توسيع وتحسين تقنيات التنبؤ القائمة على التعلم الآلي.

علاوة على ذلك، تهدف مبادرة مايكروسوفت AI for Earth إلى تزويد ماكي وفريقه بمزيد من التمويل لتوسيع الفريق وتحسين أبحاثهم.

وقال كينيث نوفاك، باحث في مجال موارد المياه بمكتب استصلاح الأراضي بالولايات المتحدة:"نأمل أن يتم تحسين هذه الطريقة بشكل أكبر وتطبيقها في مجموعة أوسع من المجالات."وأضاف قائلا:وستسعى الوكالة الحكومية إلى "البحث عن المزيد من الفرص لاستخدام التعلم الآلي" في التنبؤ بالطقس.

أجرى تشوهين وماكي دراسة رائدة بدافع الفضول حول القيمة المحتملة للذكاء الاصطناعي في التنبؤ بالمناخ دون الموسمي. كما أن تشوهين لديه الكثير من التوقعات بشأن عملهم القادم.أرى مزايا التعلم الآلي. هذه ليست النهاية، بل هي البداية، ولا يزال أمامنا الكثير من العمل.