پیش‌بینی آب‌وهوا تا ۶ هفته آینده؟ مدل جدید هوش مصنوعی سد ۵۰ ساله نظریه آشوب را شکست!

با وجود دهه‌ها پیشرفت چشمگیر در علم هواشناسی، پیش‌بینی وضعیت آب‌وهوا هنوز هم کار فوق‌العاده دشوار و پردردسری است. معتبرترین مدل‌های پیش‌بینی امروزی به خاطر زنجیره‌ای بی‌پایان از متغیرهای جوی و اقلیمی، به‌ندرت می‌توانند اوضاع را فراتر از یک بازه دو هفته‌ای درست پیش‌بینی کنند. همین فعل‌وانفعالات غیرقابل‌پیش‌بینی در جو زمین، پایه و اساس مفهومی به نام نظریه آشوب (Chaos Theory) به حساب می‌آیند؛ حوزه‌ای میان‌رشته‌ای که نشان می‌دهد چطور حتی قابل‌پیش‌بینی‌ترین سیستم‌های جهان هم می‌توانند نتایجی کاملاً غیرمنتظره رقم بزنند؛ نظریه‌ای که ادوارد لورنز، ریاضیدان نامدار دانشگاه MIT، برای اولین بار در دهه ۱۹۷۰ پایه‌های آن را بنا کرد.

جودا کوهن، اقلیم‌شناس دانشگاه MIT، در این باره توضیح می‌دهد: «لورنز به یک محدودیت نظری دو هفته‌ای رسید؛ اینکه فراتر از این بازه، عملاً پیش‌بینی وضعیت جوی غیرممکن است، چون نویز و خطاهای سیستم آن‌قدر زیاد می‌شوند که تمام داده‌ها و سیگنال‌های اولیه را در خود غرق می‌کنند.»

به گفته کوهن، بسیاری از پژوهشگران حوزه اقلیم هنوز هم این محدودیت دو هفته‌ای لورنز را یک سد عبورناپذیر می‌دانند؛ باوری که در طول ۵۰ سال گذشته تقریباً همیشه درست از آب درآمده است. حتی پیشرفته‌ترین شبیه‌سازی‌های فیزیکی و مدل‌های هوش مصنوعی امروزی هم وقتی می‌خواهند شرایط جوی ۲ تا ۶ هفته آینده را پیش‌بینی کنند، به تته‌پته می‌افتند؛ بازه‌ای که در علم هواشناسی به «پیش‌بینی زیرفصلی» یا Subseasonal معروف است. دانشمندان به این بازه زمانی لقب «کویر پیش‌بینی‌پذیری» داده‌اند؛ چرا که در این محدوده با نیروهای کند اما به‌شدت متغیری مثل پدیده اَبَر ال‌نینو روبه‌رو می‌شویم. به محض اینکه پای چنین عواملی به میان بیاید، پیش‌بینی هوا بیش‌تر شبیه به تاس انداختن می‌شود تا یک تحلیل علمی دقیق. با این حال، کوهن همیشه به قطعی بودن محدودیت‌های نظریه آشوب شک داشت.

او در این باره می‌گوید: «راستش من هیچ‌وقت این محدودیت را به‌طور کامل قبول نکردم. روی کاغذ، جو زمین می‌تواند الگوهای بی‌نهایتی خلق کند، اما در واقعیت تمایل دارد مدام یک‌سری الگوهای موردعلاقه و تکرارشونده را دوباره بازسازی کند.»

برای شکستن این سد پیش‌بینی‌ناپذیری، کوهن و همکارش لستر مکی سال‌ها وقت صرف کردند تا یک سیستم هوش مصنوعی بسازند؛ سیستمی که نه‌تنها خطاهای پیش‌بینی را به حداقل می‌رساند، بلکه از طریق روشی به نام «پس‌پردازش» (Postprocessing)، از اشتباهات اجتناب‌ناپذیرش درس می‌گیرد. با استفاده از پس‌پردازش، هوش مصنوعی موارد نادرست را با داده‌های تاریخی گذشته مقایسه می‌کند و محاسباتش را بر اساس آن‌ها تطبیق می‌دهد تا خودش را ارتقا دهد.

تیم تحقیقاتی کوهن اخیراً سه نسخه مختلف از این مدل مجهز به سیستم پس‌پردازش را در رقابت‌های مرکز اروپایی پیش‌بینی‌های میان‌مدت وضعیت آب‌وهوا (ECMWF) شرکت دادند. این مرکز که به عنوان معتبرترین مرجع پیش‌بینی هوا در دنیا شناخته می‌شود، رقابت‌های فصلی جالبی برگزار می‌کند که در آن جدید‌ترین مدل‌های پیش‌بینی با یکدیگر سرشاخ می‌شوند. تا پیش از این، بیش‌تر سیستم‌ها برای نتیجه‌گیری به میانگین داده‌های تاریخی آب‌وهوا تکیه می‌کردند، اما این اولین بار بود که تیمی برنامه‌ای با قابلیت پس‌پردازش هوشمند ارائه می‌کرد.

کوهن و همکارانش نتایج دستاورد چشمگیرشان را در قالب مقاله‌ای در ژورنال معتبر Nature منتشر کردند؛ نتایجی که نشان می‌دهد ادغام این روش پس‌پردازش با هوش مصنوعی، تمام مدل‌های پیش‌بینی فعلی را حسابی پشت سر گذاشته است. این محققان موفق شدند در بازه زیرفصلی ۲ تا ۶ هفته‌ای، دقت کلی پیش‌بینی را تا دو برابر افزایش دهند! چنین پیشرفت بزرگی خیلی زود می‌تواند به کشاورزان و تأمین‌کنندگان انرژی که وابسته به این پیش‌بینی‌ها هستند کمک بزرگی کند، اما ماجرا به اینجا ختم نمی‌شود؛ این فناوری حتی می‌تواند جان انسان‌ها را نجات دهد.

کوهن تأکید می‌کند: «این سیستم دقت پیش‌بینی رویدادهای جوی بحرانی و شدید، مثل وقوع سیلاب‌ها یا موج‌های سرمای ناگهانی را هم به‌شدت بالا می‌برد. هرچند پیش‌بینی آب‌وهوای معمولی هم مهم است، اما پیش‌بینی زودهنگام رویدادهای فاجعه‌بار شدید، بیش‌ترین و حیاتی‌ترین تأثیر را برای جامعه و مردم به همراه دارد.»

سال‌ها بود که بسیاری از پژوهشگران، پیش‌بینی‌های زیرفصلی را یک بن‌بست علمی می‌دانستند، اما این جهش تازه می‌تواند مسیر را برای پیشرفت‌های حتی بزرگ‌تر در حوزه هواشناسی هموار کند.

کوهن در پایان می‌گوید: «خیلی‌ها تا پیش از این می‌گفتند اصلاً ارزشش را ندارد برای پیش‌بینی این بازه زمانی روی مدل‌ها سرمایه‌گذاری کنیم؛ اما حالا مدل‌های ما با اقتدار میانگین‌های سنتی اقلیم‌شناسی را شکست می‌دهند.»