أطلقت Google الإصدار 3 من نموذج WeatherNext للطقس القائم على الذكاء الاصطناعي. وتمثّل أهم ابتكارات التحديث في إضافة بعض بيانات الطقس المستمدة من الأقمار الصناعية مباشرة إلى النموذج. وبذلك، جرى تقليص التأخر بين الظروف الحالية والتنبؤ الجديد، فيما ارتفع تواتر التنبؤات من مرة كل ست ساعات إلى مرة كل ساعة.
تعتمد معظم نماذج الطقس القائمة على الذكاء الاصطناعي على «إعادة التحليل»، التي تجمع البيانات الواردة من مصادر مختلفة في صورة عالمية واحدة للغلاف الجوي. أما WeatherNext 3 فيستخدم، إلى جانب هذا النهج، بيانات الأقمار الصناعية الخام أيضاً. وقد زادت الدقة المكانية للنموذج، وكُبّر نموذج التعلم الآلي، كما غُيّرت بعض العمليات للحد من عبء الحسابات. وأُضيف نموذج منفصل مدرَّب على تنبؤات هطول الأمطار المستندة إلى الأقمار الصناعية، ليبدأ تقديم تنبؤات متعددة لهطول الأمطار.
عند حساب درجة حرارة السطح ونقطة الندى في موقع معين، يأخذ النموذج في الاعتبار ما إذا كان الموقع يقع على اليابسة أو البحر، إضافة إلى ارتفاع السطح. ويشير الفريق إلى أن استخدام هذه المعلومات إلى جانب بيانات محطات الطقس السابقة حسّن التنبؤات.
وفقاً لـ White paper، حسّن WeatherNext 3 دقة ظروف الغلاف الجوي العلوي بنحو 5% مقارنةً بـ WeatherNext 2؛ وهو ما يعادل فترة تنبؤات دقيقة أطول بنحو ست ساعات. وبالنسبة إلى مواقع محددة، رفع حساب درجة حرارة السطح الدقة بما يصل إلى 30%. كما تفوق النموذج عموماً في هذه المعايير على نموذج الذكاء الاصطناعي التابع للمركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF).
ومع ذلك، ذُكر أنه حقق نتائج أسوأ في بعض المتغيرات خلال التنبؤات الخاصة بالساعات الست الأولى، كما ظهرت أشكال سداسية شبيهة بالشبكة في بعض الخرائط. وأصبح WeatherNext 3 مصدراً لمعلومات التنبؤات في Google Search وGemini وMaps.
لماذا هذا مهم
يمكن أن يؤثر دمج مشاهدات الأقمار الصناعية مع البيانات الخام في متابعة الحالات سريعة التغير، من خلال تقليص الفارق الزمني بين الظروف الحالية ومخرجات النماذج في التنبؤات الجوية. وتعني التحديثات الساعية أن مستخدمي معلومات التنبؤات عبر Google Search وGemini وMaps سيتمكنون من الوصول إلى بيانات تُحدَّث بوتيرة أكثر تكراراً. ومع ذلك، لا يمتد تحسن الأداء إلى جميع القياسات؛ إذ إن تراجع النتائج الخاصة بالساعات الست الأولى في بعض المتغيرات، والأشكال الشبيهة بالشبكة التي ظهرت في بعض الخرائط، يشيران إلى أنه لا يمكن اعتبار المخرجات أكثر موثوقية في جميع الظروف. وعلى الرغم من أن المقارنة مع نموذج الذكاء الاصطناعي التابع لـ ECMWF كانت إيجابية، فإن السؤال المفتوح هو في أي ظروف استخدام يحافظ WeatherNext 3 على تفوقه في المتغيرات المختلفة، وإلى أي مدى تؤثر القيود في التنبؤات المقدمة للمستخدمين.
خلفية
Google ليس اسماً جديداً في أرشيف FikirPilot؛ فقد نشرنا خلال آخر 90 يوماً 28 خبراً ورد فيه هذا الاسم، وكان أحدثها مؤرخاً في 9 سبتمبر 2026.