قدّمت Google DeepMind وGoogle Research في 3 سبتمبر 2026 نموذج الذكاء الاصطناعي الجديد WeatherNext 3، الذي يراقب التغيرات الجوية بمزيد من التفصيل ويتنبأ بالطقس بوتيرة أكثر تكرارًا. وذكرت Google أن البيانات المستخلصة من النموذج ستُستخدم في نتائج البحث وGoogle Maps وGemini، كما ستُتاح للمستخدمين والباحثين عبر منصات Google السحابية.
أظهر WeatherNext 3 أعلى دقة بين النماذج الرائدة في مقاييس مثل درجة الحرارة وسرعة الرياح والرطوبة، خلال اختبارات Operational WeatherBench التي تقارن تنبؤات الذكاء الاصطناعي التابعة لـ Brightband. وتفوّق النموذج على أنظمة التعلم العميق التابعة لـ Google وMicrosoft وNvidia والمركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF)، وكذلك على التنبؤات التقليدية التابعة لخدمة الطقس الوطنية الأمريكية وECMWF.
تُعدّ التنبؤات التقليدية عبر معالجة المعادلات الرياضية التي تصف فيزياء الطقس على أجهزة كمبيوتر عملاقة تابعة للجهات الحكومية. وعلى الرغم من أن هذه الأنظمة تقدم نتائج دقيقة، فإنها تعمل بتكلفة مرتفعة وبطء نسبي. وبعد أن نشر ECMWF في 2018 بيانات جوية تعود لأكثر من نصف قرن، بدأ الباحثون في تطوير نماذج للتعلم العميق يمكنها الوصول إلى دقة مماثلة بسرعة أكبر.
يستهدف WeatherNext 3 مشكلات، منها تركيز تنبؤات الذكاء الاصطناعي على مساحات واسعة، وضعف أدائها في هطول الأمطار، واعتمادها على مجموعات البيانات المنسّقة التابعة للجهات الحكومية. ويمكن للنموذج التنبؤ ببعض المتغيرات الأساسية بدقة تبلغ 5 كيلومترات؛ كما تتحسن تقييمات هطول الأمطار بنسبة 60% مقارنةً بـ WeatherNext 2، ويمكنه إنتاج تنبؤات كل ساعة بدلًا من مرة كل ست ساعات. ويحتوي النظام على 2.4 مرة من المعلمات مقارنةً بالنموذج السابق، وقد دُرّب على التنبؤ بمسارات الأعاصير، إلى جانب الظروف التي يمكن لمحطات جوية محددة قياسها.
بما أن النموذج يستطيع معالجة بيانات الأقمار الصناعية التي تُجمع في الوقت الفعلي على أساس كل ساعة، فإنه قادر على إصدار تنبؤات بوتيرة أكثر تكرارًا. وتقول Google إن WeatherNext 3 هو نموذج الذكاء الاصطناعي «الأول» الذي يستخدم الملاحظات الخام مباشرةً في التنبؤات العالمية عالية الدقة، بينما تشير WindBorne إلى أن WeatherMesh 6 يستفيد من الملاحظات الخام منذ أواخر 2025. ويعتمد كلا النموذجين على مجموعات بيانات وطنية للأرصاد الجوية.
يمكن للتكلفة المنخفضة والسرعة اللتين تتميز بهما تنبؤات الذكاء الاصطناعي أن تحققا فوائد اقتصادية في المناطق الفقيرة، حيث يتعذر الوصول إلى معلومات الطقس الدقيقة بسبب أجهزة الاستشعار الباهظة وأجهزة الكمبيوتر العملاقة. ومن المتوقع أيضًا أن تجعل التنبؤات الأكثر تفصيلًا بالرياح وهطول الأمطار والغيوم مشاريع الطاقة المتجددة أكثر موثوقية.
لماذا هذا مهم
يعزز هذا التطور الانتقال في التنبؤ بالطقس من الأنظمة القائمة على الفيزياء، التي تعتمد على أجهزة الكمبيوتر العملاقة الباهظة التابعة للجهات الحكومية، إلى نماذج الذكاء الاصطناعي القادرة على معالجة الملاحظات الخام بسرعة أكبر. ويعني نقل النتائج الصادرة كل ساعة وبدقة أعلى إلى Search وMaps وGemini أن التقدم في بنية التنبؤ التحتية سيدخل مباشرةً في تدفق المعلومات اليومي لشريحة واسعة من المستخدمين. وقد يؤدي الوصول عبر السحابة إلى خفض عتبة الاستخدام بالنسبة إلى الباحثين والمناطق التي لا تستطيع الوصول إلى أجهزة الاستشعار والبنية التحتية الحاسوبية الباهظة؛ كما أن بيانات الرياح وهطول الأمطار والغيوم تهم مشاريع الطاقة المتجددة عن كثب. ومع ذلك، تظل أسئلة مفتوحة مدى اعتماد النموذج على مجموعات البيانات الوطنية للأرصاد الجوية، والجدل حول ادعاء كونه أول نظام يستخدم الملاحظات الخام، ومدى انعكاس النجاح في اختبارات المقارنة على الظروف الآنية.
خلفية
Google ليس اسمًا جديدًا في أرشيف FikirPilot: فقد نشرنا 17 خبرًا ورد فيه هذا الاسم خلال آخر 90 يومًا؛ وكان أحدثها بتاريخ 4 سبتمبر 2026.