الذكاء الاصطناعي.. هل يتمكن من التنبؤ بالكوارث؟

AI بالعربي – متابعات

ضرب زلزال في فبراير/شباط من العام الماضي 2023 مناطق واسعة من تركيا وسوريا، وتسبب بوفاة عشرات الآلاف من القتلى وأضعاف هذا الرقم من المصابين، إضافة إلى تدمير شبه كامل لمعالم المدن التي أصابها. الزلزال هو شكل من أشكال الكوارث الطبيعية التي تصيب سكان هذا الكوكب، رغم أنه قد يكون الأكثر ضررا من بين أخواته، فهناك الحرائق والأعاصير والفيضانات والسيول والانهيارات الأرضية.

وطوال عقود يسعى العلماء وذوو الشأن والاختصاص للحد من الدمار الذي تُلحقه تلك الكوارث، وحلمهم في كل مرة هو الوصول لطريقة تمكنهم من التنبؤ بالكوارث قبل وقوعها ليتسنى للحكومات إخلاء المدن ولِفرق الإنقاذ من الاستعداد. وفي السنوات الأخيرة، وبعد القدرات الكبيرة التي أظهرتها أنظمة الذكاء الاصطناعي في مختلف المجالات، أعلنت أكثر من مؤسسة بحثية وشركة تقنية عن تطوير خوارزميات قادرة على التنبؤ بنوع محدد من الكوارث، وأظهرت التجارب على تلك الأنظمة دقة وموثوقية مطمئنة بنسبة كبيرة.

دراسات التنبؤ.. 7 عقود

تُقدِّر الإدارة الوطنية للمحيطات والغلاف الجوي الأميركية كلفة كوارث الطقس والمناخ التي أصابت الولايات المتحدة في السنوات السبع الماضية، بأكثر من تريليون دولار. وعلى الصعيد العالمي، ذكرت صحيفة واشنطن بوست أن تقديرات البنك الدولي للفائدة المتوقعة من تحسين أنظمة الإنذار المبكر وتقنيات التنبؤ بالكوارث، بالإضافة إلى إنقاذ عشرات الآلاف من الأرواح، قد يحقق فوائد اقتصادية سنوية تبلغ 162 مليار دولار.

وفي الأيام الأولى لتشكيل مراكز الأرصاد الجوي والزلزالي، كان يتعين على العلماء تحليل كميات كبيرة من البيانات يدوياً لاكتشاف اتجاهات الطقس الرئيسية. لكن في مطلع الخمسينيات من القرن الماضي بدأت تلك المراكز باستخدام نماذج حاسوبية في إنتاج تنبؤات جوية بناء على معادلات رياضية معقدة تصف التطور اليومي للغلاف الجوي. واشتُهر منذ ذلك الوقت وحتى يومنا هذا نموذجان -أو إن صح القول مدرستان- في تفسير تلك البيانات، وهما “النموذج الأميركي” و”النموذج الأوروبي”.

ورغم تطور الأنظمة الحاسوبية منذ تلك الفترة وحتى يومنا هذا، فإن كمية البيانات الواردة للمراكز تضاعفت بشكل أُسي عن تلك الحقبة، مما جعل تشغيل هذه النماذج يتطلب قوة معالجة هائلة، كما أن ترقيتها عملية مكلفة قد تستغرق سنوات حتى تكتمل. وفي الوقت نفسه، يمكن أن تكلف أجهزة الحاسوب العملاقة الجديدة -مثل ذلك الذي اشتراه مكتب الأرصاد الجوية في المملكة المتحدة من مايكروسوفت في عام 2021- أكثر من مليار دولار. لقد تحسنت دقة نماذج التنبؤ بالطقس التقليدية بمعدل يوم واحد تقريبا كل عقد من الزمن، وبإمكان النماذج اليوم التنبؤ بالطقس مدة سبعة أيام مقابل توقعات ثلاثة أيام في الثمانينيات.

وعلى سبيل المثال تُظهر بيانات المركز الوطني للأعاصير زيادة مطردة في دقة التنبؤات بمسار الأعاصير مع انخفاض متوسط ​​الخطأ فيها، ففي الثمانينيات جرى التنبؤ بمسار إعصار من مسافة 100 ميل وقبل وصوله بثلاثة أيام. أمّا اليوم فيمكن التنبؤ بمساره من على مسافة 300 ميل وقبل وصوله بسبعة أيام. ومع ذلك، لا يزال من الصعب التنبؤ بتقلبات الطقس الشديدة والمفاجئة مثل الأعاصير القوية والفيضانات والبرد والعواصف الشتوية وموجات الحر والجفاف من خلال تفاصيل البيانات الصغيرة أو إطلاق الإشعار المسبق الذي يحتاج الناس إليه بغية الاستعداد بشكل صحيح.

نماذج جديدة للتنبؤ.. الذكاء الاصطناعي يثبت جدارة

في السنوات الخمس الأخيرة بدأ جيل جديد من نماذج التنبؤ بالطقس تدخل للخدمة، وهي على نوعين: إما هجينة بمعنى أنها تدمج بين النماذج القديمة وأنظمة الذكاء الاصطناعي، أو تكون مرتكزة بشكل كامل على أنظمة الذكاء الصناعي. وهذا النوع الأخير كانت وراء ابتكاره كبرى الشركات التكنولوجية. من أمثلة النموذج الهجين نظام “إتش سي سي إيه” الخاص بمركز الأعاصير في الولايات المتحدة. ويدمج نظام “إتش سي سي إيه” الجديد هذا المدخلات من نماذج متعددة، ويستخدم التعلم الآلي للاعتماد بشكل أكبر على النماذج التي حققت أداء أفضل بناء على التوقعات السابقة.

مثال ذلك في إعصار ايداليا الأخير الذي ضرب الولايات المتحدة عام 2023، فقد كان متوسط ​​خطأ المسار المتوقع لـ”إتش سي سي إيه” لمدة ثلاثة أيام هو 97 ميلا بحريا مقابل 116 ميلا بحريا للتنبؤات الرسمية. ويمثل كلاهما تحسينات ذات مغزى، حيث إن كلفة الإخلاء تبلغ حوالي مليون دولار لكل ميل، كما تفوّق النموذج أيضا على توقعات المسار الرسمية لمركز الأعاصير للعديد من العواصف الأخرى في عام 2023. أما النماذج التي اعتمدت بشكل كلي على الذكاء الاصطناعي فهي أكثر من نموذج، وقبل ذكر أبرزها لا بد من الإشارة الى الطريقة التي تعمل بها.

في البدء يتم تدريب نماذج الذكاء الاصطناعي على كميات هائلة من البيانات التاريخية، والتي تقوم الخوارزميات بتحليلها للعثور على العلاقات بين الملاحظات أو التوقعات السابقة والظروف التي تلت ذلك. وباستخدام خوارزميات التعلم الآلي، يمكن لأنظمة الذكاء الاصطناعي تحليل كل هذه المعلومات في جزء صغير من الوقت وبشكل أكثر دقة وكفاءة دون التعرض لخطر الخطأ البشري. ومن خلال النظر إلى أنماط الطقس التاريخية ومقارنتها بالظروف الحالية، يمكن بعد ذلك التنبؤ بالحالات الشاذة المحتملة التي قد تؤدي إلى كوارث طبيعية. وبمجرد تدريب نماذج الذكاء الاصطناعي، يمكنها توليد توقعات في ثوانٍ إلى بضع دقائق على أي جهاز حاسوب متوفر مقارنة بأكثر من ساعة على أجهزة الحاسوب العملاقة الكبيرة لمعظم النماذج التقليدية.

لا يختلف هذا المفهوم عن الطريقة التي يستخدم بها علماء الأرصاد الجوية خبرتهم لتوقع كيفية انحراف الطقس عن توقعات النموذج، لكن الذكاء الاصطناعي يفعل ذلك على نطاق وسرعة يصعب على البشر مجاراتها.

جوجل.. نموذج أكثر دقة

طورت جوجل بالتعاون مع جامعة هارفرد نظاما للتنبؤ بالطقس أطلقت عليه غراف كاست بمقدوره إنشاء تنبؤات لمدة تصل إلى 10 أيام في أقل من دقيقة. وقد وجد أنه أكثر دقة بنسبة 10 إلى 30% من النموذج الأوروبي. وقال ريمي لام كبير الباحثين في شركة غوغل ديب مايند: “التحدي الرئيسي لمنع فقدان الأرواح هو تحديد موقع الزلزال. وتتبع الهزاتُ الارتدادية كلَّ زلزال كبير، ويمكن أن تستمر فترة طويلة، مما يؤدي إلى إسقاط الهياكل التي أضعفها الزلزال الأصلي وتُسبب المزيد من الإصابات والوفيات”.

ويضيف: “بينما أن الخبراء البشريين يمكنهم التنبؤ بالحوادث والمواقع إلى حد ما، فإن هناك مجالا لتحسين دقة وتوقيت التنبؤات، وهنا يمكن أن يأتي الذكاء الاصطناعي”. ودُرب غراف كاست على تحليل أكثر من 131 ألف هزة ارتدادية وإنشاء قاعدة بيانات لفهم الأنماط وتحديدها، ثم اختبر العلماء الشبكة العصبية على قاعدة بيانات تضم 60 ألف هزة ارتدادية. كان أداء الشبكة العصبية أفضل من الأنظمة الحالية للتنبؤ بالزلازل وبنسبة دقة قاربت الـ85%.

نماذج مايكروسوفت وإنفيديا وهواوي وماساتشوستس

على غرار جوجل، نشرت شركات مايكروسوفت وإنفيديا وهواوي مقالات أكاديمية في الأشهر الـ16 الماضية تدّعي فيها أن نماذج الطقس الخاصة بها المرتكزة على الذكاء الاصطناعي تعمل بشكل جيد أو أفضل من النموذج الأوروبي الذي يعتبر على نطاق واسع المعيار الذهبي للنماذج التقليدية. وقال متحدث باسم إنفيديا: “إن نموذجهم المسمى فوركاست نت أسرع بمقدار 50 ألف مرة من النماذج التقليدية، وأكثر كفاءة في استخدام الطاقة بمقدار 10 آلاف مرة”.