في صيف هذا العام، استفاد ما يقارب 38 مليون مزارع في الهند من تنبؤات مناخية متطورة مدعومة بالذكاء الاصطناعي، تُظهر موعد بدء موسم الأمطار الموسمية (الموسمية)، مما ساعد المزارعين على اتخاذ قرارات أكثر دقة بشأن مواعيد الزراعة. وتُعد هذه التنبؤات نتيجة لتعاون بين مختبرات غوغل للأبحاث وفريق بحثي من جامعة شيكاغو، واستُخدم فيها نموذج ذكاء اصطناعي مبتكر يُدعى NeuralGCM. منذ عقود، كانت نماذج التنبؤ بالطقس والمناخ معقدة وغالية التكلفة، وتتطلب عادةً استخدام حواسيب فائقة الأداء. لكن فريق غوغل للأبحاث أراد تطوير نموذج أكثر كفاءة ودقة، ما أدى إلى إنشاء NeuralGCM. بخلاف النماذج التقليدية التي تعتمد بالكامل على قوانين الفيزياء المبرمجة مسبقًا، فإن هذا النموذج يدمج بين التعلم الآلي وبيانات المناخ التاريخية على مدى عقود، ليتعلم الأنماط والتغيرات السابقة، مع الحفاظ على المبادئ الفيزيائية الأساسية. الأهم من ذلك، أن NeuralGCM مصمم ليكون خفيفًا ومرنًا، ويمكن تشغيله على جهاز كمبيوتر عادي، ما يفتح المجال أمام الباحثين حول العالم لاستخدامه بسهولة. عندما أطلقت غوغل نموذج NeuralGCM مفتوح المصدر، تمنّت أن يُستخدم من قبل الباحثين لتطوير تطبيقات مبتكرة. وفعلاً، استثمر فريق من جامعة شيكاغو، ضمن مبادرتهم "تنبؤات الطقس ذات الطابع البشري"، هذا الأداة في محاولة لحل أحد التحديات الكبرى التي تواجه المزارعين الصغار في المناطق الاستوائية: تحديد موعد بدء موسم الأمطار بدقة. يُعتمد ملايين المزارعين الصغار في الهند والمناطق المماثلة على موسم الأمطار السنوي لزراعة محاصيلهم، لكن التنبؤ بدء هذا الموسم، خصوصًا بفترة تسبق بأشهر، كان يُعد تحديًا علميًا منذ مائة عام. وقد أظهرت التجارب التي أجرتها جامعة شيكاغو أن NeuralGCM، عندما يُدمج مع نماذج متقدمة أخرى مثل نظام التنبؤ المتكامل المدعوم بالذكاء الاصطناعي من المركز الأوروبي للتنبؤات المتوسطة المدى (ECMWF)، ويُستكمل ببيانات تاريخية، يُظهر أداءً استثنائيًا. إذ تمكّن النموذج من التنبؤ بدء موسم الأمطار في الهند حتى شهر مسبق، مع القدرة على رصد تقلبات غير عادية، مثل فترات جفاف مؤقتة في مسار الأمطار. هذه النتائج لا تمثل فقط تقدمًا تقنيًا، بل تمثل فرصة حقيقية لتحسين الأمن الغذائي، وزيادة كفاءة الزراعة، وتمكين المزارعين من اتخاذ قرارات مبنية على بيانات دقيقة، ما يُقلل من مخاطر الخسائر ويعزز الاستدامة الزراعية في ظل تغير المناخ.