نظام ذكاء اصطناعي جديد يُطلق عليه "سيكاست" (SeaCast) يقدم توقعات دقيقة لحالة البحر المتوسط على مدى 15 يومًا في غضون ثوانٍ، متفوقًا بذكاء على النماذج التقليدية من حيث السرعة والكفاءة. يعتمد النظام على شبكة عصبونية رسومية (GNN) تقوم بتحليل البيانات البحرية والجوية معًا، مما يسمح له بمحاكاة الديناميات المعقدة للمنطقة بدقة عالية. على عكس النماذج العالمية التي تعتمد غالبًا على بيانات بحرية فقط وبدقة منخفضة، يدمج سيكاست مدخلات من كلا المجالين: الحالة البحرية والظروف الجوية، ما يعزز دقة التنبؤات، خصوصًا في الطبقات السطحية التي تتأثر بشدة بالطقس. تم تدريب النظام على بيانات إعادة تحليل بحرية عالية الدقة من مركز كمّو (CMCC) التي تغطي البحر المتوسط بحلقة تبلغ 4 كيلومترات (1/24°)، وهو نفس الدقة التي تستخدمها النماذج التشغيلية مثل MedFS، التي تُقدَّم عبر خدمة كوبيرنيكوس للبيئة البحرية. ويُنتج سيكاست توقعات حتى عمق 200 متر، باستخدام دورة متكررة من الترميز (encoder)، المعالجة عبر الشبكة العصبية، ثم التفكيك (decoder)، مع دمج شروط الحدود بشكل دقيق لتحسين التوقعات. الأهمية الحقيقية تكمن في الأداء السريع: بينما تستغرق النماذج التقليدية حوالي 70 دقيقة على 89 وحدة معالجة مركزية (CPU) لإنتاج توقعات لمدة 10 أيام، يستطيع سيكاست إنجاز توقعات لمدة 15 يومًا في 20 ثانية فقط باستخدام وحدة معالجة رسومية واحدة (GPU)، مما يقلل من الاستهلاك الطاقي ويُسرّع التحليلات بشكل كبير. هذا التسارع يمكّن الباحثين من إجراء تجارب "ماذا لو" ونماذج احتمالية متعددة (ensemble forecasts) بسرعة، وهي أدوات حيوية لتقدير عدم اليقين في التنبؤات، مما يعزز اتخاذ القرارات في مجالات مثل إدارة السواحل، الصيد، والنقل البحري. كما يُسهم في مراقبة البيئة البحرية وتحديد المخاطر المرتبطة بالظواهر مثل التغيرات المفاجئة في درجة حرارة المياه أو التيارات. يُعدّ تكامل البيانات الجوية جوهر الابتكار في سيكاست، حيث أظهرت التجارب أن إدخال متغيرات جوية مثل سرعة الرياح ودرجة الحرارة يحسن دقة التوقعات بشكل ملحوظ، خاصة في الطبقات العلوية. كما أشارت تجارب حساسية إلى أن التدريب على بيانات تاريخية تمتد لـ35 عامًا يُعزز مهارة النموذج بشكل كبير. يُخطط فريق CMCC لدمج سيكاست في سلاسل التنبؤات التشغيلية الرسمية، بالتزامن مع النماذج الفيزيائية التقليدية، لتعزيز دقة التنبؤات في البحر المتوسط. هذه الخطوة تمثل نقلة نوعية في التنبؤ البحري، وتُعد نموذجًا أوليًا لتطبيقات ذكاء اصطناعي عالية الدقة في التنبؤات المائية حول العالم، مُثبتة أن التعاون بين علوم المحيطات، الجوية، والذكاء الاصطناعي يمكن أن يحقق نتائج ملموسة في مواجهة التحديات البيئية والمناخية.