WeatherNext 3 من Google DeepMind: توقعات جوية كل ساعة بدقة 5 كيلومترات

الزبدة
- Google DeepMind وGoogle Research أعلنتا في 4 سبتمبر 2026 عن WeatherNext 3، نموذج ذكاء اصطناعي يولّد توقعات جوية عالمية كل ساعة من صور الأقمار الصناعية.
- النموذج يبلغ دقة 5 كيلومترات لدرجة الحرارة والرطوبة، وتوقعاته أدق بخمس مرات من إصدارات WeatherNext السابقة.
- الوصول متاح عبر Google Cloud وBigQuery وEarth Engine فقط، دون تطبيق مستقل، ودون الإفصاح عن التسعير أو مقارنة دقيقة مع الهيئات الوطنية للأرصاد.
أعلنت Google DeepMind وGoogle Research في الرابع من سبتمبر 2026 عن WeatherNext 3، نموذج ذكاء اصطناعي للطقس يحدّث توقعاته العالمية كل ساعة اعتماداً على الصور الملتقطة بالأقمار الصناعية، بدقة تصل إلى 5 كيلومترات لدرجة الحرارة (Temperature) والرطوبة.
يأتي هذا الإصدار ضمن مسعى Google الأوسع لاستبدال أو تعزيز أنظمة التنبؤ الجوي العددي التقليدية بنماذج تعلّم آلي مدرّبة على بيانات الغلاف الجوي.
ما الذي تغيّر في هذا الإصدار
يتميز WeatherNext 3 عن نسخه السابقة بجمعه بين سرعة التحديث ودقة التفاصيل. فبدلاً من دورات التنبؤ كل عدة ساعات أو يومياً المعتادة في الأنظمة القديمة، يحدّث النموذج توقعاته المحلية كل ساعة، وتقول Google إن هذه التوقعات أدق بخمس مرات من إصدارات WeatherNext السابقة.
لهذه القفزة في الدقة أهمية عملية في حالات لا تكفي فيها التوقعات الإقليمية العامة: إنذارات الفيضانات المفاجئة، وتقييم مخاطر حرائق الغابات، وتوجيه الطيران، والتخطيط الزراعي، كلها تتطلب معرفة الظروف الجوية في موقع محدد خلال الساعات القليلة القادمة، لا مجرد الاتجاه العام في منطقة واسعة.
بُني للوصول عبر السحابة
تُوزّع Google هذا النموذج عبر بنيتها السحابية القائمة بدلاً من إطلاقه كمنتج مستقل. يستطيع المطورون والباحثون استعلام مخرجاته عبر BigQuery، أو سحب الطبقات الجغرافية المكانية عبر Earth Engine، أو دمجه مباشرة في تطبيقات مبنية على Google Cloud.
هذا الخيار في التوزيع لا يقل أهمية عن النموذج نفسه. فبدمج WeatherNext 3 في أدوات مستخدمة أصلاً في تحليلات المناخ ومعالجة بيانات الأقمار الصناعية، تُسهّل Google على الهيئات الأرصادية وشركات اللوجستيات وفرق الاستجابة للكوارث ربط توقعات عالية الدقة بأنظمتها الحالية دون بناء بنية تحتية جديدة.
تعتمد الصور الفضائية كمصدر رئيسي لمدخلات النموذج، ما يتيح له إنتاج توقعات دون الاعتماد كلياً على شبكات المستشعرات الأرضية، وهي شبكات متناثرة أو غائبة في مساحات واسعة من المحيطات والمناطق الأقل تطوراً. قد يمتد هذا النهج بالتوقعات قصيرة المدى الموثوقة إلى مناطق حُرمت تاريخياً من خدمة نماذج الطقس التقليدية.
لم تُفصح Google عن تفاصيل التسعير أو حدود استخدام واجهة البرمجة مع الإعلان. كما لا يزال غير واضح كيف تقارن دقة WeatherNext 3 مباشرة مع النماذج عالية الدقة الخاصة بالهيئات الوطنية للأرصاد الجوية، وهو معيار سيحدد على الأرجح سرعة تبني الهيئات والشركات لهذا النموذج بدلاً من الأنظمة القائمة.
التغطيات والأبحاث الأصلية التي استند إليها هذا المقال.
فريق تحرير واكب
تم إعداد هذه المراجعة وتلخيصها بواسطة محرك الذكاء الاصطناعي الخاص بواكب ومراجعتها وتدقيقها من قبل فريقنا التحريري لضمان الدقة والموثوقية.
اشترك في النشرة البريدية
احصل على ملخص أسبوعي لأبرز أبحاث وأدوات الذكاء الاصطناعي مباشرة في بريدك.
قناة التليجرام
تابع تغطيتنا اللحظية ونقاشاتنا حول آخر مستجدات وأنظمة الذكاء الاصطناعي.
