هوش مصنوعی آینده هواشناسی را بیمه می کند

عاشق وب: هواشناسی و پیش بینی وضعیت آب و هوا بطور سنتی مبتنی بر بهترین حدس و پیش بینی برای گمانه زنی درباره وضعیت هوا در آینده نزدیک است، اما هوش مصنوعی می توانند همه چیز را در این زمینه تغییر دهد.
به گزارش عاشق وب به نقل از ایسنا، پیش بینی آب و هوا طی ۲۰ سال قبل راه زیادی را پیموده است و هنوز هم مسیری طولانی پیش رو دارد. اما آیا استفاده از هوش مصنوعی می تواند به بهبود توانایی هواشناسی برای پیش بینی الگوهای آب و هوایی کمک کند؟ چقدر دقیق می توان آب و هوا را پیش بینی نمود تا شاهد خسارت های جبران ناپذیر نباشیم؟
روند پیش بینی الگوهای آب و هوا یک علم بسیار پیچیده است و نیاز به به تجزیه و تحلیل و رمزگشایی از مجموعه داده های عظیم جمع آوری شده روزانه از هزاران سنسور و ماهواره های هواشناسی دارد.
شناسایی الگوها در داده های جمع آوری شده برای پیش بینی هوا یک کار بسیار پر اهمیت است و برای حصول بهترین نتایج این کار باید در زمان واقعی صورت گیرد.
اما مانند هرگونه پیش بینی دیگر، پیش بینی آب و هوا یک حدس مبتنی بر آموزش و علم است. از آنجایی که ما نمی توانیم آب و هوا را کنترل نماییم، بهترین هواشناسان می توانند با استفاده از داده ها و الگوهای گذشته و حال به پیش بینی آب و هوای آینده بپردازند.
این کار بخصوص برای اخطار در مورد رویدادهای فاجعه آمیز نظیر جاری شدن سیل مهم می باشد.
دقت پیش بینی آب و هوا در طول سالیان اخیر افزایش یافته است، اما هنوز ۱۰۰ درصد دقیق نیست. طبق برخی برآوردها، یک پیش بینی آب و هوایی هفت روزه حدود ۸۰ درصد قابل اعتماد است.
زمان بندی های کوتاه مدت تر دقت بیشتری دارند. بعنوان مثال یک پیش بینی آب و هوایی پنج روزه حدود ۹۰ درصد صحیح است و هر پیش بینی بیشتر از هفت روزه به خصوص پیش بینی های ده روزه یا بیشتر از آن تنها ۵۰ درصد دقیق هستند.
با عنایت به اینکه جو به صورت مداوم در حال تغییر است، برآوردهای طولانی مدت برای مدل سازی و پیش بینی بسیار دشوار است. هواشناسان این کار را با استفاده از برنامه های کامپیوتری موسوم به مدلهای هواشناسی برای رسیدن به این پیش بینی ها انجام می دهند.
هواشناسان از انواع حسگرها، ماهواره ها و مدلهای کامپیوتری برای پیش بینی الگوهای آب و هوایی آینده استفاده می نمایند.

اغلب مردم با ابزارهای اصلی مانند دماسنج، فشارسنج و بادسنج برای ثبت دما، فشار هوا و سرعت باد آشنا هستند. اما هواشناسان از ابزار و تجهیزات پیچیده تری مانند بالن های رصد آب و هوا هم استفاده می نمایند. این بالن ها بادکنک های مخصوصی هستند که بر روی آنها سنسورهای آب و هوا برای اندازه گیری درجه حرارت، فشار هوا، سرعت و جهت باد در تمام لایه های تروپسفر تعبیه شده است.
سیستم های راداری هم توسط هواشناسان برای اندازه گیری بارش در سراسر جهان به کار گرفته می شوند.
اما یکی از قدرتمندترین ابزارهای هواشناسان ماهواره های زیست محیطی است. سازمان ملی اقیانوسی و جوی آمریکا(NOAA) دارای سه ماهواره هواشناسی است که آب و هوای سراسر زمین را تحت نظر دارند.
یکی از این ماهواره ها ماهواره گردش قطبی است که در ارتفاع تقریبی ۸۰۵ کیلومتری زمین مستقر است.
این ماهواره ها به صورت مداوم زمین را ۱۴ بار در روز قطب به قطب دور می زنند تا بدین ترتیب هر قسمت از سیاره زمین دوبار در روز به صورت کامل تحت نظر قرار بگیرد.
این کار ماهواره ها را قادر می سازد مجموعه داده های عظیمی را در مورد جو زمین به صورت کامل همچون ابرها و اقیانوس ها با وضوح بسیار بالا فراهم نمایند. هواشناسان با استفاده از این نوع داده ها به صورت نظری قادر به پیش بینی الگوهای آب و هوایی بلندمدت هستند.
این داده ها برای ارزیابی کیفیت هوا در طول زمان بسیار مفید هستند. این اطلاعات در مدلهای هواشناسی گنجانده می شود که به نوبه خود منجر به پیش بینی های دقیق تری از آب و هوا می شود.
ابزارهای دیگر همینطور می توانند برای تعیین دمای سطح دریا مورد استفاده قرار گیرند که یک عامل مهم دیگر در پیش بینی آب و هوا در دراز مدت است. سپس این داده ها می توانند برای پیش بینی آب و هوا همچون تغییرات فصلی در مقیاس بزرگ استفاده شوند. آنها همینطور اطلاعاتی را برای کمک به پیش بینی شرایط آب و هوایی خطرناک مانند طوفان، گردباد، سیل و کولاک شدید قبل از وقوع جمع آوری می کنند.
این داده ها همینطور برای کمک به ارزیابی خطرات محیطی مانند خشکسالی، آتش سوزی جنگل ها و سیل مورد استفاده قرار می گیرند.
نوع دیگری از ماهواره ها که توسط هواشناسان استفاده می شود، ماهواره های فضای عمیق نامیده می شود. بعنوان مثال ماهواره “DSCOVR” در مدار یک میلیون مایلی(یک میلیون و ۶۰۹ هزار کیلومتری) زمین قرار دارد.
این نوع از ماهواره ها هشدارها و پیش بینی ها در مورد خطرات فضایی را فراهم می کنند و بر انرژی خورشیدی که هر روز جذب زمین می شود، نظارت می کنند. “DSCOVR” همینطور قادر به ثبت اطلاعات در مورد سطح ازن و سطح هواژل موجود در جو است.

اما هوش مصنوعی چگونه به کمک پیش بینی آب و هوا می آید؟
مجموعه داده های ع ظیم جمع آوری شده از وضعیت جوی زمین پیش بینی رویدادهای آینده را بسیار دشوار می کند.
مدلهای کامپیوتری فعلی تنها برای نظارت و اخطار در مورد پدیده های بزرگ در نظر گرفته شده اند و شامل مواردی نظیر چگونگی گرم شدن جو زمین توسط خورشید، چگونگی تأثیر تغییر اختلاف فشار روی الگوهای باد و چگونگی تغییر حالت آب (یخ به آب و سپس به بخار) بر جریان انرژی جو زمین است.
آنها همینطور چرخش زمین در فضا را در نظر می گیرند چون که هر تغییر کوچکی در یک متغیر می تواند رویدادهای آینده را تغییر دهد.
این واقعیت الهام بخش “ادوارد لورنز” یک هواشناس از مؤسسه فناوری ماساچوست(MIT) شد تا اصطلاح معروف خود موسوم به “اثر پروانه ای”(Effect Butterfly) را در دهه ۱۹۶۰ میلادی مطرح کند. این نظریه می گوید که چگونه بال زدن یک پروانه در آسیا می تواند بر تغییر آب و هوا در شهر نیویورک آمریکا اثرگذار باشد.
امروزه لورنز بعنوان پدر نظریه آشوب شناخته می شود. وی اعتقاد دارد حداکثر حد پیش بینی دقیق آب و هوا حدود دو هفته است.
نظریه آشوب یانظریه بی نظمی ها شاخه ای از ریاضیات است که به مطالعه سیستم های دینامیکی آشفته می پردازد. سیستم های آشفته سیستم های دینامیکیغیر خطی هستند که نسبت به شرایط اولیه خود بسیار حساس بوده اند. تغییری اندک در شرایط اولیه چنین سیستم هایی سبب دگرگونی های بسیار در مرحله بعدی خواهد شد.
این پدیده در نظریه آشوب به اثر پروانه ای معروف است که در آن بعنوان مثال بال زدن یک پروانه در برزیل می تواند (تحت شرایطی) سبب گردباد در تگزاس شود. ازاین رو عرضه پیش بینی طولانی مدت رفتار آنها غیرممکن است.
رفتار سیستم های آشفته به ظاهر تصادفی می نماید. با این وجود هیچ ضرورتی به وجود عنصر تصادف در ایجاد رفتار آشوبی نیست و سیستم های دینامیکی معینی (deterministic) هم می توانند رفتاری آشفته از خود نشان دهند.
می توان نشان داد که شرط لازم رفتار آشوب گونه در سیستم های دینامیکیِ زمان پیوسته مستقل از زمان و داشتن حداقل سه متغیر حالت است. دینامیک لورنز نمونه ای از چنین سیستمی است.
اینجا همان جایی است که هوش مصنوعی می تواند برای بهبود دقت و قابل اطمینان بودن پیش بینی آب و هوا به کار گرفته شود. هوش مصنوعی می تواند جهت استفاده در برنامه های ریاضی کامپیوتری و روش های حل مسائل محاسباتی در مجموعه داده های وسیع برای شناسایی الگوها و ایجاد یک فرضیه مناسب و تعمیم داده ها مورد استفاده قرار گیرد.
با عنایت به پیچیدگی ذاتی پیش بینی آب و هوا، دانشمندان هم اکنون از هوش مصنوعی برای پیش بینی آب و هوا استفاده می نمایند تا سریعاً نتایج خالص و دقیق به دست آید.
هوش مصنوعی با استفاده از مدلهای ریاضی یادگیری عمیق می تواند از پرونده های آب و هوایی گذشته برای پیش بینی آینده یاد بگیرد.
یک مثال برای این نوع پیش بینی آب و هوا، پیش بینی عددی(NWP) است. این مدل مبتنی بر مطالعات و تجزیه و تحلیل مجموعه داده های گسترده ماهواره ها و دیگر حسگرها برای عرضه پیش بینی های آب و هوایی کوتاه مدت و پیش بینی های دراز مدت است.
شرکت های مختلف هم اکنون به شدت در حال سرمایه گذاری روی هوش مصنوعی در پیش بینی آب و هوا هستند. برای مثال شرکت IBM اخیرا یک شرکت هواشناسی را خریداری نموده و داده ها و هوش مصنوعی خویش را با اطلاعات این شرکت ترکیب کرده است.
این کار منجر به توسعه برنامه “دیپ تاندر”(Deep Thunder) شد که پیش بینی های آب و هوایی فوق العاده ای را با دقت ۰.۲ تا ۱.۲ مایل عرضه می دهد.
یک شرکت هواشناسی دیگر موسوم به “مونسانتو”(Monsanto) هم برای پیش بینی آب و هوا در هوش مصنوعی سرمایه گزاری نموده است. این شرکت وظیفه پیش بینی آب و هوای برای صنعت کشاورزی را در دستور کار خود دارد.
امید است در کشور ما هم روی هوش مصنوعی در زمینه هواشناسی سرمایه گذاری شود تا پیش بینی دقیق و مؤثری از وقوع بلایای طبیعی نظیر همین سیلاب هایی که در نوروز ۹۸ با آن روبرو می باشیم، صورت گیرد.