"WeatherNext 3" من جوجل: توقعات مطرية كل ساعة بدل كل ست ساعات

الزبدة
- نموذج WeatherNext 3 من جوجل ديب مايند يصدر توقعات جوية كل ساعة، بدل الفواصل الست ساعية المعتادة لدى المنافسين والجهات الرسمية.
- تفوق النموذج على مايكروسوفت ونفيديا والمركز الأوروبي للتنبؤات الجوية، وحقق تحسناً بنسبة 60% في دقة توقعات الأمطار.
- يحلل الطقس بدقة 5 كيلومترات ويقرأ بيانات الأقمار الصناعية الخام مباشرة، وسيشغّل قريباً خرائط جوجل والبحث وGemini.
أطلقت "جوجل ديب مايند" (Google DeepMind) و"جوجل ريسيرش" نموذج "WeatherNext 3"، أحدث نماذج التنبؤ الجوي بالذكاء الاصطناعي لديها، بقدرة على إصدار توقعات كل ساعة بدلاً من الفواصل الست ساعية المعتادة في الأنظمة التقليدية ونماذج الذكاء الاصطناعي السابقة. هذه الدقة الزمنية الأعلى تتيح للنموذج رصد الظواهر الجوية السريعة، كعاصفة ممطرة تمر خلال بعد الظهر، بتفصيل لم تكن الأدوات القديمة قادرة عليه.
على معيار "Operational WeatherBench"، المرجع المعتمد في القطاع لقياس دقة التنبؤات، تفوق النموذج الجديد على نماذج منافسة من مايكروسوفت ونفيديا والمركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF). وتقول جوجل إنه تجاوز أيضاً التوقعات التقليدية الصادرة عن هيئة الأرصاد الجوية الوطنية الأمريكية (NWS) والمركز الأوروبي نفسه، وهما الجهتان اللتان طالما اعتُبرتا المعيار الذهبي للتنبؤ القائم على النماذج الفيزيائية.
أكبر قفزة سُجلت كانت في توقعات الأمطار: تحسّن بنسبة 60% مقارنة بالنسخة السابقة "WeatherNext 2". تُرجع جوجل جزءاً من هذا التقدم إلى الحجم وحده، إذ يحمل النموذج الجديد معلمات (Parameters) أكثر بـ2.4 مرة من سابقه، إلى جانب تعديلات في البنية استهدفت تحديداً تحسين توقعات هطول الأمطار.
دقة أعلى وتصميم يعتمد على الأقمار الصناعية مباشرة
يحلل النموذج المتغيرات الجوية الأساسية بدقة تصل إلى 5 كيلومترات، وهو مستوى تفصيل مهم لظواهر محلية كالفيضانات المفاجئة أو الانفجارات الهوائية الصغيرة التي تميل الشبكات الأقل دقة إلى تعميمها على مساحات واسعة. تصف جوجل "WeatherNext 3" أيضاً بأنه أول نموذج عالمي عالي الدقة يستوعب بيانات الأقمار الصناعية الخام مباشرة، بدلاً من الاعتماد على منتجات بيانات مُعالجة مسبقاً.
هذا الفارق له وزنه التنافسي. فشركة ناشئة مثل "WindBorne" تستخدم تقنيات معالجة البيانات الفضائية الخام منذ أواخر عام 2025، وخطوة جوجل تشير إلى أن هذا الأسلوب بدأ يتحول من تقنية محدودة الانتشار إلى ساحة تنافس فعلية في نمذجة الطقس بالذكاء الاصطناعي.
يخضع النموذج الجديد كذلك لتدريب يهدف إلى مواءمة مخرجاته مع قراءات محطات أرصاد جوية أرضية محددة، في محاولة لسد الفجوة بين توقعات النماذج العالمية والقراءات الدقيقة التي يتابعها الناس فعلياً في مناطقهم.
أين سيظهر النموذج
سيحصل الباحثون على إمكانية الوصول إلى "WeatherNext 3" عبر منصات جوجل السحابية، استمراراً لنهج الشركة في إتاحة نماذج الطقس التابعة لـ"ديب مايند" بشكل مفتوح. أما الوصول إلى المستخدمين العاديين فسيكون سريعاً: سيشغّل النموذج بيانات الطقس في محرك البحث، وخرائط جوجل، وتطبيق Gemini.
بالنسبة لشركة تهيمن أصلاً على الطريقة التي يتحقق بها مليارات الأشخاص من حالة الطقس، فإن دمج نموذج بهذه الدقة مباشرة في محرك البحث والخرائط يحوّل تحسناً تقنياً تدريجياً إلى فارق يشعر به الناس في كل مرة يقررون فيها حمل مظلة أو تركها.
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.
