هوش مصنوعی انقلابی در پیش‌بینی آب‌وهوا: سرعت ۲۵ برابری با DYffusion!

بهبود مدل‌سازی آب و هوای زمین با کمک هوش مصنوعی

دستگاه‌های هوش مصنوعی تولیدی مثل DallE، وقتی با اطلاعات علمی ترکیب بشن، می‌تونن راه‌های بهتری برای ساخت مدل‌های پیش‌بینی اقلیم زمین ارائه بدن. دانشمندان علوم کامپیوتر تو سیاتل و سن دیه‌گو دست به این ترکیب زدن و مدلی ساختن که می‌تونه الگوهای اقلیمی رو تو یه بازه‌ی ۱۰۰ ساله، ۲۵ برابر سریع‌تر از بهترین مدل‌های موجود، حدس بزنه.

اسم این مدل DYffusion سفیر هستش و قادر هست الگوهای آب و هوایی ۱۰۰ ساله رو تو ۲۵ ساعت پیش‌بینی کنه؛ در حالی که این شبیه‌سازی برای مدل‌های دیگه هفته‌ها طول می‌کشه. تازه، مدل‌های پیشرفته‌ی امروزی باید روی ابررایانه‌ها اجرا بشن، اما این مدل رو می‌شه تو خوشه‌های GPU یه آزمایشگاه تحقیقاتی هم اجرا کرد.

محققین دانشگاه کالیفرنیا سن دیه‌گو و موسسه‌ی آلن برای هوش مصنوعی می‌نویسن: «مدل‌های یادگیری عمیق که بر پایه‌ی داده‌ها ساخته شدن، دارن مدل‌سازی آب و هوای جهان و شرایط اقلیمی رو زیر و رو می‌کنن.» این تیم تحقیقاتی کارشون رو تو کنفرانس NeurIPS 2024 ارائه می‌ده که ۹ تا ۱۵ دسامبر تو ونکوور کانادا برگزار می‌شه.

شبیه‌سازی‌های اقلیمی، به خاطر پیچیدگیشون، خیلی گرون تموم می‌شن. به‌خاطر همین، دانشمندا و سیاست‌گذارا فقط می‌تونن این شبیه‌سازی‌ها رو برای مدت کوتاهی اجرا کنن و فقط به چند حالت خاص فکر کنن.

هوش مصنوعی مولد و پیش‌بینی‌های اقلیمی

یکی از نکته‌های کلیدی که محققین فهمیدن اینه که می‌شه از مدل‌های هوش مصنوعی مولد، مثل مدل‌های انتشار، برای پیش‌بینی وضعیت اقلیمی استفاده کرد. اونا این ایده رو با یه عملگر عصبی کروی ترکیب کردن که یه مدل از شبکه‌های عصبی هست و برای کار با داده‌ها روی یه کره طراحی شده. مدل به دست اومده، با یه اطلاعات اولیه در مورد الگوهای اقلیمی شروع می‌کنه و بعد با استفاده از یه سری تغییرات که بر اساس داده‌های آموخته شده انجام می‌شن، الگوهای آینده رو حدس می‌زنه.

محققین می‌گن: «یکی از خوبی‌های اصلی این مدل نسبت به مدل‌های انتشار معمولی، بازدهی بیشتر اونه. شاید با مدل‌های انتشار معمولی هم بشه پیش‌بینی‌های واقع‌بینانه و دقیقی ساخت، اما نه با این سرعت.» به‌علاوه، این مدل خیلی سریع‌تر از آخرین فناوری‌ها عمل می‌کنه و دقتش هم تقریباً برابره، در حالی که هزینه‌ی محاسباتی کمتری داره.

البته این مدل محدودیت‌هایی هم داره که محققین دارن تلاش می‌کنن تو نسخه‌های بعدی برطرفشون کنن، مثلاً اضافه کردن عناصر بیشتر به شبیه‌سازی‌هاشون. مراحل بعدی شامل شبیه‌سازی واکنش جو به دی‌اکسید کربن (CO2) هست. رُز یو، عضو هیئت علمی بخش علوم و مهندسی کامپیوتر دانشگاه کالیفرنیا، سن دیه‌گو و یکی از نویسنده‌های اصلی این مقاله، می‌گه: «ما جو رو شبیه‌سازی کردیم که یکی از مهم‌ترین عناصر تو یه مدل اقلیمی به حساب میاد.»

این کار نتیجه‌ی یه دوره‌ی کارآموزی هست که یکی از دانشجویان دکتری، سالوا روح‌لینگ کچای، تو موسسه‌ی آلن برای هوش مصنوعی (Ai2) انجام داده.

“`