تكنولوجيا المناخ
المرحلة الأولى من AIMIP: معيار جديد لاختبار نماذج الذكاء الاصطناعي المناخية
يوفر مشروع المرحلة الأولى من AIMIP، الذي يضم مجموعات من NVIDIA وGoogle Research وغيرها، مجموعة بيانات مفتوحة وإطار تقييم لنماذج المناخ القائمة على الذكاء الاصطناعي. بينما تعيد هذه النماذج إنتاج أنماط المناخ التاريخية بدقة، تظل قدرتها على التعميم في ظروف غير مألوفة تحدياً رئيسياً.
يمكن لمجموعة جديدة من نماذج الذكاء الاصطناعي محاكاة مناخ الأرض بكفاءة أعلى بكثير من الأنظمة التقليدية. لكن المجال افتقر إلى طرق صارمة ومشتركة لاختبار ما إذا كانت هذه النماذج دقيقة وموثوقة بالفعل. هذه هي الفجوة التي يهدف AIMIP، مشروع المقارنة بين نماذج الذكاء الاصطناعي، إلى سدها. وهو جهد مجتمعي مصمم لدعم الفهم العلمي والتقييم المفتوح لنماذج الذكاء الاصطناعي للتنبؤ بالمناخ.
يجمع AIMIP عدة مجموعات نمذجة، بما في ذلك NVIDIA وGoogle Research وغيرها، حول تجربة معيارية ومجموعة بيانات مشتركة. الفكرة بسيطة: إعطاء الجميع نفس الاختبار، ثم مقارنة النتائج بشأن المخرجات ومعايير التقييم المشتركة. وهذا يسهل بناء الثقة في كيفية تقييم هذه النماذج.
مع اكتمال المرحلة الأولى الآن، أصدر الفريق مجموعة بيانات لتنبؤات نماذج الطقس والمناخ بالذكاء الاصطناعي للتجربة المعيارية، إلى جانب تقرير وتقييمات. تُظهر النتائج أن نماذج الذكاء الاصطناعي تنافسية في المقاييس المناخية الرئيسية ولكنها لا تزال تواجه مشكلات في بعض المجالات.
الاستفادة من ثورة في توقعات الطقس والمناخ
نماذج المناخ بالذكاء الاصطناعي هي ظاهرة جديدة نسبياً، لكنها تبني على سنوات من التقدم السريع في استخدام الذكاء الاصطناعي للتنبؤ بأنماط الطقس قصيرة المدى. مثل نظيراتها في التنبؤ بالطقس، تعتمد على مجموعة بيانات ERA5 للملاحظات التاريخية التي تغطي الغلاف الجوي بأكمله. تتفوق هذه التوقعات المعتمدة على الذكاء الاصطناعي الآن بانتظام على نماذج الطقس التقليدية في مقاييس المهارات الرئيسية للتوقعات لمدة 1-10 أيام، كما هو موضح في WeatherBench. وهي تفعل ذلك بسرعة استثنائية، باستخدام طاقة حاسوبية أقل بكثير.
القفزة إلى نمذجة المناخ، محاكاة الغلاف الجوي على مدى عقود أو قرون، تأتي مع مجموعة من التحديات الخاصة بها. حتى وقت قريب، كان هناك عدد قليل من نماذج الذكاء الاصطناعي التي يمكنها التعامل مع الأطر الزمنية المناخية بطريقة تشبه النموذج التقليدي. وعلى عكس WeatherBench، فإن المعايير والمقاييس لتقييم هذه النماذج بعيدة كل البعد عن الوضوح.
نماذج المناخ ومشاريع MIP
النماذج المناخية القائمة على الفيزياء موجودة منذ عقود. تحاكي مناخ الأرض في ظل سيناريوهات محددة على مدى فترات تمتد لعقود أو قرون باستخدام القوانين الفيزيائية للتنبؤ بالطقس على نطاقات زمنية قصيرة، وتكرار العملية للكرة الأرضية بأكملها. من ذلك، تنتج متوسطات وقيمًا متطرفة، ومتوسط درجة الحرارة وهطول الأمطار لموقع معين، على سبيل المثال، أو احتمال حدوث موجة حارة أو عاصفة استوائية.
يجب أن تأخذ هذه النماذج أيضًا في الاعتبار التغيرات في المحيط والجليد البحري بمرور الوقت، لأن هذه العوامل تؤثر بشكل كبير على الطقس على المدى الطويل. ويجب عليها تقييم مجموعة من المخاطر والسيناريوهات المحتملة، مثل ارتفاع انبعاثات الغازات الدفيئة.
لتقييم نماذج المناخ، يعتمد المجتمع العلمي على مشاريع المقارنة بين النماذج، أو MIPs. MIP هي تجربة موحدة يجب أن تنفذها نماذج المناخ، وتوفر مخرجات مشتركة للتقييم. كان المشروع الحالي لمقارنة النماذج المزدوجة، أو CMIP، القوة الدافعة وراء الجهود الرامية إلى تطوير توقعات دقيقة للنماذج لآثار انبعاثات الغازات الدفيئة.
تقدم نمذجة المناخ بالذكاء الاصطناعي نفس الوعد الذي تقدمه التنبؤات الجوية بالذكاء الاصطناعي: توقعات تتم بسرعة وكفاءة ثوريتين، باستخدام طاقة حاسوبية أقل بثلاث مرات من حيث الحجم مقارنة بالنماذج القائمة على الفيزياء. يمكن أن يفتح ذلك الاكتشاف العلمي لمجموعة أوسع بكثير من المستخدمين. ولكن فقط في العامين الماضيين أو نحو ذلك، أظهرت نماذج الذكاء الاصطناعي من مجموعات متعددة، باستخدام مجموعة متنوعة من البنى، أنها يمكن أن تقدم تنبؤات مستقرة وعالية الدقة لعقود وقرون. ما إذا كانت يمكنها الاستجابة بشكل صحيح لسيناريوهات مناخية مختلفة لا يزال غير معروف إلى حد كبير.
المرحلة الأولى من AIMIP: المواصفات والتقديمات
المرحلة الأولى من AIMIP هي أول تجربة معيارية مشتركة للمشروع. وهي مصممة لمقارنة نماذج المناخ بالذكاء الاصطناعي في ظل إعداد مشترك مع الحفاظ على نطاق ضيق بما يكفي للمشاركة الواسعة. يجب أن تتنبأ النماذج بحالة الغلاف الجوي العالمي خلال الفترة 1979-2024، بترددات إخراج شهرية ويومية. يجب تدريبها فقط على الملاحظات التاريخية ERA5 من 1979-2014، مع ترك العقد الأخير كبيانات اختبار. اختيار بنية الذكاء الاصطناعي متروك للمشاركين.
يتم وصف حالات المحيط والجليد البحري بقيم ملاحظة تاريخياً. في هذه المرحلة المبكرة، الهدف هو التركيز على سلوك الغلاف الجوي وحده. في مراحل AIMIP المستقبلية، قد يصبح من الممكن للذكاء الاصطناعي محاكاة المحيط والجليد البحري ومكونات النظام الأرضي الأخرى عبر نموذج مناخي مقترن.
في المرحلة الأولى، يجب أن تخرج النماذج درجة الحرارة والرطوبة والرياح على سبعة مستويات في الغلاف الجوي، بالإضافة إلى درجة حرارة السطح وهطول الأمطار ومتغيرات الطقس الرئيسية الأخرى. يجب عليهم أيضًا جعل مخرجاتهم متوافقة مع مواصفات تنسيق CMIP النموذجية لتسهيل المقارنة مع النماذج التقليدية وأدوات التقييم.
تم تقديم ثماني محاكاة نموذجية من قبل Ai2 Climate Modeling وخمس مجموعات خارجية: فريق ArchesWeather، وNVIDIA، وجامعة واشنطن، وجامعة ماريلاند، وGoogle Research.
تمثيل أمين للمناخ التاريخي، ولكن تحديات في التنبؤ بتغيراته
قام الفريق بتقييم مدى نجاح نماذج المناخ بالذكاء الاصطناعي في محاكاة المناخ التاريخي وتغيراته على مدى العقود القليلة الماضية. وجدوا أن نماذج الذكاء الاصطناعي، بغض النظر تقريبًا عن الخيارات المعمارية، تؤدي بشكل جيد جدًا في محاكاة أنماط المناخ التاريخية المتوسطة، وعادة ما تتفوق على النموذج التقليدي القائم على الفيزياء. تقلل نماذج الذكاء الاصطناعي الأكثر دقة من الخطأ المتوسط بمرور الوقت في مجالات مثل درجة حرارة الهواء القريبة من السطح بعامل 2.
الاختبار الأكثر صعوبة هو ما إذا كانت النماذج تلتقط اتجاه الاحترار طويل المدى الظاهر في السجل التاريخي، خاصة خارج فترة تدريبها وفي العقد الأخير المستبعد من بيانات ERA5. الصورة هناك أكثر اختلاطًا. بعض النماذج تتابع اتجاه الاحترار بشكل جيد، بينما يقلله البعض الآخر بشكل كبير. التعميم للظروف المستقبلية ضروري لتوقعات تغير المناخ، على الرغم من أنه قد يكون أقل أهمية للاستخدامات الأخرى، مثل المعلوماتية أو أخذ عينات من عوامل الخطر المناخية خلال فترة تدريب نموذج الذكاء الاصطناعي.
قام الباحثون أيضًا بتقييم قدرة النماذج على محاكاة استجابات الغلاف الجوي لظروف المحيط الهادئ (El Niño)، والتغير اليومي في الغلاف الجوي، وصدمة حقيقية خارج العينة: احترار فوري بمقدار 2 أو 4 درجات مئوية لسطح المحيط العالمي. هذا السيناريو غير مرجح فيزيائياً، لكنه مفيد لفهم كيف يمكن لنماذج الذكاء الاصطناعي التعميم لظروف غير مألوفة. ليس من المستغرب أن تتباعد تنبؤات النماذج بشكل كبير في هذه الحالة خارج العينة، حيث ينتج بعضها نتائج تبدو غير محتملة فيزيائياً.
المضي قدمًا: مجموعة بيانات مفتوحة وتقييمات مجتمعية
يتم استضافة مجموعة بيانات المرحلة الأولى من AIMIP من خلال مركز الحوسبة المناخية الألماني (DKRZ)، مع التخطيط للنشر في شبكة اتحاد نظام الأرض (ESGF) لجعلها في متناول مجتمع علوم المناخ على نطاق واسع. يستخدم العلماء بالفعل مجموعة البيانات لإجراء مزيد من التقييمات، مع عمل الفريق كنقطة دخول للبحث المستمر.
تشير نتائج المرحلة الأولى إلى أن أحد التحديات المركزية لنماذج المناخ بالذكاء الاصطناعي هو الاستجابة القوية لمجموعة من السيناريوهات المناخية. سيكون التعميم أمرًا بالغ الأهمية إذا كان سيتم اعتماد هذه النماذج على نطاق واسع. على وجه الخصوص، يحتاج الباحثون إلى أن يكونوا قادرين على الثقة في كيفية تصرف نماذج المناخ بالذكاء الاصطناعي في ظل سيناريوهات انبعاثات غازات الدفيئة غير المرئية. قد توفر مخرجات النماذج المناخية التقليدية بيانات تدريب لبعض هذه الحالات، ولكن من المحتمل أن تكون هناك حاجة إلى نهج إضافية خاصة بالذكاء الاصطناعي.
إذا أثبتت المرحلة الأولى قيمتها، وإذا استمرت نمذجة المناخ بالذكاء الاصطناعي في التقدم بوتيرتها الحالية، فستتبع مراحل مستقبلية من AIMIP. من المحتمل أن تتوسع هذه المراحل لتشمل نمذجة مقترنة أكثر تعقيدًا، بما في ذلك ديناميكيات المحيط والجليد البحري، إلى جانب مجموعة أوسع من السيناريوهات مثل مسارات انبعاثات غازات الدفيئة، ومتطلبات وتقييمات إخراج أكثر شمولاً.