من موقع ويذر لور إلى تعليم الآلات: " Era New " للتنبؤ بالتوقعات

إن البشرية قد تتطلع إلى السماء منذ قرون لتخمين ما قد ينجم عن الأمطار، إذ أن الأرصاد الجوية الحديثة تستبدل بالفولكلور بنماذج التنبؤ بالطقس العددي المستندة إلى الفيزياء، بل وحتى هذه المحاكاة القوية لها حدود، حيث تتراكم أخطاء صغيرة في الظروف الأولية بسرعة، وتظل الفيزياء السحابية غير مكتملة، وتتسبب التكلفة الحسابية الفادحة للنماذج العالية الاستبان في كثير من الأحيان في حدوث فجوة في الاصطناع.

ولا يوجد مجال للتحسين أكثر تبعية من التخطيط للهياكل الأساسية، إذ إن الجسور ونظم مياه الأمطار وشبكات النقل وبروتوكولات الاستجابة لحالات الطوارئ تعتمد جميعها على توقعات دقيقة للتهطال، ويمكن أن يعني التنبؤ الذي ينقطع عن طريق بضعة مليمترات في التوقيت أو الكثافة الفرق بين عبور الجاف وتجاوز فيضاني، بين طاقم الصيانة الروتيني والاستجابة الكاملة للكوارث، وتستكشف هذه المادة كيف أن أدوات التعلم العميقة تُعد تنبؤات.

التصور التقليدي وألعابه

فالتنبؤ بالطقس التعددي يستخدم معادلة الديناميات السوائل وديناميات الحرارة لنموذج الغلاف الجوي، فإدماج البيانات - عملية رصد التغذية في هذه المعادلات - أمر حاسم، ولكن الطبيعة المتشابكة ]FLT:0[ ]FLT:1] من الغلاف الجوي يعني أن التنبؤات تتجاوز بضعة أيام يفقد فيها الحل، ولأن الترسبات الأرضية، فإن المشكلة لا تزال أشد وطأة.

وعلاوة على ذلك، فإن نماذج القدرة النووية مكثفة من الناحية الحسابية، إذ أن الانتقال إلى شبكة ذات كيلومتر واحد على منطقة كبيرة يتطلب حواسيب خارقة لا يمكن للعديد من الوكالات الوصول إليها على مدار الساعة، ونتيجة لذلك، كثيرا ما تُجرى التنبؤات التشغيلية في قرارات مصممة على أساس الكواسير (3 إلى 12 كيلومترا)، مما يلبي احتياجات المخططين ذوي التفاصيل ذاتها.

مدى تصدي التعلم العميق للتحديات الأساسية

الاعتراف ببطاقات النبات

ويستخدم التعلم العميق، وهو مجموعة فرعية من التعلم الآلاتي، طبقات متعددة من الأعصاب الاصطناعية لاستخراج السمات الهرمية تلقائيا من البيانات، وفي سياق التنبؤ بالتنبؤات المسبقة، يعني هذا تجهيز صور انعكاسية رادارية، وقنوات ساتلية، ومتغيرات الأرصاد الجوية لتعلم التوقيعات المكانية والزمنية التي تسبق سقوط الأمطار، وخلافا للنماذج الإحصائية التقليدية التي تتطلب سمات طفيفة، يمكن للشبكة الاكتشافات الريحية أن تخفيض.

(ب) الشبكات العصبية الثورية ذات الأهمية الخاصة للميادين المكانية مثل الصور الرادارية والسواتل، وقد تم تدريبها على التنبؤ بالتهيؤ حتى ست ساعات قبل اكتساب مهارات مماثلة أو تتجاوز نماذج القدرة التشغيلية المحددة للبرمجيات النووية في العديد من الحالات.() وتتطور البنيانات المتكررة، ولا سيما ]Long Short-Termory (LRUMer) [FLT new networks:1]

من الآثار إلى التنبؤات الاحتمالية

ومن أقوى المساهمات في التعلم العميق قدرتها على إنتاج توقعات متبادلة ]، بدلا من التوصل إلى نتيجة حاسمة واحدة )مثلا، ١٥ ملليمترا من المطر في الساعة ١٤:٠٠(، يمكن تدريب شبكة جديدة من مصادر القدرة على إنتاج توزيع كميات وتوقيتات محتملة، وبالنسبة لتخطيط الهياكل الأساسية - حيث تشكل أسوأ سيناريوهات القدرة على إحداث الاحترار العالمي أكبر قدر ممكن من النتائج المحتملة.

الآنفي: الطلب القاتل على البنية التحتية

وقد أشار مصطلح الآن إلى توقعات مفصلة عن الساعات القليلة القادمة، تنتج في كثير من الأحيان عن استقراء عمليات الرادار الحالية، وقد أشرف على التعلم العميق الآن بإضافة السياق المزود بالمعلومات الفيزيائية، كما أن مشاريع مثل " تنافس " () " قد أظهرت وجود نماذج " منافسة " () في " نموذج " ([FLT:

وفيما يتعلق بمخططي الهياكل الأساسية، يعني هذا ما يلي:

  • Flash flood warnings] can be issued with higher spatial accurate, identifying specific intersections or culverts at risk minutes before a storm hits.
  • Construction scheduling] can adapt in near-real time: if the deep learning model predicts heavy rain starting at 10:00 instead of 12:00, a concrete pour can be postponed before the crew arrives.
  • Water storage management] in reservoirs and detention basins can take advantage of nowcasts that estimate the volume and timing of runoff from individual storm cells.

وهذه الحالات التي تستخدم فيها هذه المواد تتسم بأهمية خاصة في البيئات الحضرية، حيث تتسبب الأسطح غير المزروعة في سرعة الركض، ويمكن أن تحدث الفيضانات في الشوارع في غضون دقائق من بداية الأمطار الغزيرة.

التطبيقات الملموسة لتخطيط الهياكل الأساسية

نظم الأرانب الحضرية ومياه العواصف

وقد صممت شبكات تصريف مياه المدن باستخدام فترات العودة التاريخية - مثلا عاصفة مدتها عشر سنوات مع تهيج كامل معين على مدى 24 ساعة، مما يجعل هذه الإحصاءات قديمة، ويمكن أن تُظهر نماذج التعلم العميق التي تتضمن البيانات التاريخية والظروف الراهنة احتمال تجاوزها على مدى الساعات القليلة القادمة، مع إتاحة الوقت للمشغلين لحواض ما قبل المياه، أو نشر مضخات محمولة، أو دون تجاوزات مباشرة في حالة الفيضانات.

الهياكل الأساسية للنقل

(أ) إن أوقات الطرق والسكك الحديدية والمطارات تحتاج جميعها إلى معلومات دقيقة عن التهطال، إذ يمكن أن يؤدي الفرق بين 0.1 بوصة وساعة في معدل سقوط الأمطار إلى تغيير المسافة اللازمة للتفاخر على الطرق السريعة وتواتر عمليات تفتيش السكك الحديدية، ويمكن إدخال الأناكاس العميقة في نظم إدارة حركة المرور لتحديث الاستشارات السريعة بصورة دينامية، أو في العمليات الأرضية للمطارات لتوقع حدوث تأخيرات في إزالة الحطام ونقاط الحرقة.

الطاقة الكهرمائية والإمداد بالمياه

ويجب على مشغلي المستودعات أن يوازنوا مخاطر الفيضانات مع تخزين المياه، ويمكن للتنبؤات بعمق التعلم التي تمتد إلى ما بعد ست ساعات، باستخدام التدريب على الأنماط الجوية الواسعة النطاق، أن تحسن التنبؤات بالتدفقات خلال الأيام الثلاثة القادمة، وعندما تقترن هذه المنتجات بنموذج تدفق المياه، تساعد المشغلين على اتخاذ قرار بشأن إطلاق المياه قبل العاصفة أو الاحتفاظ بها لفترات الجفاف، وفي حوض نهر كولورادو، وجد الباحثون أن هناك تحسنا كبيرا في عملية التعلم

دراسات الحالة في سكال

MetNet-X and the NOAA Frontier

وفي عام 2021، أطلقت شركة غوغل آي " MetNet-2 " ، وهي شبكة عصبية يمكن أن تتنبأ بالتنبؤات المسبقة التي تصل إلى 12 ساعة على الولايات المتحدة المتاخمة التي لديها قرار واحد - وهو أكثر دقة بكثير من شبكات الترددات الثلاثية كيلومتراً أو الكارز التي تستخدمها النماذج التشغيلية في ذلك الوقت، وقد تم تدريب الشبكة على 17 سنة من بيانات الرادار والبيانات الساتلية ويمكن أن تولد تنبؤاً كاملاً في أقل من نماذج ثانية.

ECMWF’s Machine Learning Integration

وقد كان المركز الأوروبي للتنبؤات المتوسطة الأجل بالطقس الجلدية رائدا في الخلط بين مؤشر AI والنماذج التقليدية، أما نموذج مركز ML] لمعالجة ما بعد المعالجة فهو يصحح التحيزات المنتظمة في تجميع التنبؤات المسبقة، مما يقلل من الأخطاء في احتمال تجاوز بعض العتباتات.

A useful external resource for planners is the ]ECMWF’s library on machine learning in weather and climate].

التحديات التي تواجه التبني على نطاق واسع

نوعية البيانات ومدى توافرها

ولا توجد في أجزاء كثيرة من العالم شبكات رادارية مكثفة، كما أن الرش الفضائي قصير، كما أن المحفوظات التاريخية قصيرة، وكثيرا ما تفشل النماذج التي يتم تدريبها على البيانات من منطقة ما، لأن العوامل المحلية للعلم المناخي والأورام تختلف، ويواجه مخططو البنية التحتية في البلدان النامية تحديا مزدوجا: فهم يحتاجون إلى التنبؤات، ولكنهم لا يزالون يتوفرون على نماذج متقدمة للتعلم.

الترجمة الشفوية والثقة

ولا توضح شبكة عصبية تُنتج خريطة للتهطال المتوقع لماذا تُتوقع هذه التنبؤات، فبالنسبة لقرارات الهياكل الأساسية التي تؤثر على السلامة العامة، يتعين على المخططين ومديري الطوارئ فهم الثقة والتعقل وراء التوقعات، وكثيرا ما تكون أساليب المحاسبة البيئية (XAI) المفسرة، مثل خرائط الصالة وخصائص التخفيف العامة، آخذة في التحسن، ولكنها لا تتطلب تدابير عملية.

التكلفة الحاسوبية والإسناد إلى الوقت الحقيقي

ورغم أن استخدام نموذج التعلم العميق المدربين سريع، فإن نماذج التدريب الكبيرة تستهلك طاقة هائلة وتتطلب معدات متخصصة (العمليات العامة، ووحدات النقل البري، وقلة فرص الوصول إلى هذه الموارد لدى العديد من الخدمات الجوية الوطنية والشركات الهندسية، فضلا عن ذلك، فإن تشغيل نموذج في وقت قريب إلى جانب محاكاة القدرة النووية العالية الاستبانة يمكن أن يضغط على مراكز البيانات التشغيلية.

المسابقة الهجينة للتنبؤ

ومن غير المرجح أن تحل منظمة العفو الدولية محل التنبؤات الجوية العددية في المستقبل المنظور، بل إن الاتجاه نحو النظم الهجينة ] حيث تكمل عناصر التعلم العميق النماذج الدينامية للفيزياء، فعلى سبيل المثال، يمكن للشبكة العصبية أن تتعلم أنماط الخطأ في نموذج القدرة على العمل الوطني وتصححها، أو قد توفر نماذج متتالية للاختفاءات في الوقت الذي تدار فيه النسيجات الوطنية.

وثمة حدود أخرى تتمثل في استخدام نماذج مبتكرة [(FLT:0)]، مثل نماذج الانتشار والشبكة العالمية، لإنتاج حقول تهطالية عالية الاستبانة تكون معقولة حتى عندما تفتقر بيانات التدريب إلى أمثلة على أشد الحالات تطرفاً، وهذا أمر مهم بصفة خاصة بالنسبة للهياكل الأساسية المصممة لـ 100 سنة أو 500 سنة، حيث تكون الملاحظات نادرة للغاية.

وأخيرا، فإن إدماج التنبؤات المتعلقة بالمرافق الصناعية في التوأم الرقمي للمدن ومستجمعات المياه هو أمر مهيأ لتغيير تخطيط الهياكل الأساسية، إذ يمكن للتوائم الرقمي - وهو نموذج افتراضي دينامي وحقيقي لنظام مادي - أن يبث الآن من نموذج للتعلم العميق ويحاكي ما ينتج عن ذلك من الفيضانات، وإعادة توجيه حركة المرور، وتحميل المياه قبل أن يبدأ المطر.

خاتمة

إن التعلم العميق والإنجازات المتعمقة ليست مجرد تحسينات تدريجية للتنبؤ بالتنبؤ بالتنبؤات المسبقة؛ بل تمثل تحولا أساسيا في كيفية معالجة علماء النيازك والمهندسين للمشكلة، وبتحول مجموعات البيانات الضخمة إلى توقعات عالية الاستبانة، أو التنبؤات الاحتمالية، فإن هذه الأدوات تتيح لمخططي الهياكل الأساسية القدرة على توقع حدوث أحداث متطرفة ذات توقيت أدق وزمن من أي وقت مضى، كما أن المكاسب المحققة في الدقة هي أكثر القرارات التي تحققت في ساعات قليلة هي الهياكل الأساسية الحقيقية.

ولا تزال الرحلة من البحث الواعد إلى المستوى التشغيلي جارية، كما أن التحديات المتصلة بندرة البيانات، والتفسير النموذجي، والمطالب الحسابية يجب أن تعالج قبل أن تصبح التنبؤات التي يمكن أن تكون قابلة للحساب، التخلف عن السداد على الصعيد العالمي، ومع ذلك فإن الاتجاه واضح، وعلى نفس النحو الذي يُتوقع فيه أن تستمر الصور الساتلية في تعقب الأعاصير المدارية، فإن التعلم العميق يُحدث الآن تهيبة للثورة.