پژوهشگران هوش مصنوعی خود را براساس بازسازی‌های اقلیم‌های باستانی از سال صفر تا ۱۸۵۰ آموزش دادند.
تابستان‌های اروپا هر سال داغ‌تر، طولانی‌تر و مرگبارتر می‌شوند؛ اما پژوهشگران می‌گویند سامانه‌ای تازه مبتنی بر هوش مصنوعی ممکن است به‌زودی بتواند تا هفت هفته پیش از وقوع موج‌های گرمای شدید، هشدارهای دقیق صادر کند.
دانشمندان مرکز یورو-مدیترانه‌ای تغییرات اقلیمی (CMCC) مدلی بر پایه‌ی یادگیری ماشین توسعه داده‌اند که به گفته‌ی آنان، می‌تواند رخدادهای گرمای شدید را دقیق‌تر و کارآمدتر از روش‌های پیش‌بینی متعارف شناسایی کند.
یافته‌های این پژوهش که در نشریه‌ی Communications Earth & Environment منتشر شده است، می‌تواند شیوه‌ی آمادگی اروپا در برابر یکی از خطرناک‌ترین پیامدهای تغییرات اقلیمی را دگرگون کند.
دکتر مک‌آدام، نویسنده‌ی اصلی مطالعه، گفته است: «یادگیری ماشین به بخشی بنیادی از نحوه‌ی مطالعه‌ی تغییرپذیری اقلیم بدل خواهد شد. این پژوهش نشان می‌دهد که این فناوری در پیش‌بینی رویدادهای حدی اقلیمی سودمند است، هرچند تنها نخستین گام در جهت دستیابی به نتایجی قابل تفسیر و از نظر فیزیکی معنادار به‌شمار می‌رود.»
هوش مصنوعی می‌تواند مزیت تازه‌ای در پیش‌بینی فصلی اقلیم ایجاد کند
موج‌های گرما از مرگبارترین خطرات اقلیمی اروپا هستند.
گرمای ویرانگر در سال‌های ۲۰۰۳، ۲۰۱۰ و ۲۰۲۲ به مرگ ده‌ها هزار نفر، از دست رفتن محصولات کشاورزی، اوج‌گیری مصرف انرژی و بحران‌های شدید بهداشتی انجامید. دانشمندان هشدار می‌دهند با گرم‌تر شدن سیاره، رویدادهایی از این دست طولانی‌تر، شدیدتر و پرتکرارتر می‌شوند.
یک تحلیل در سال ۲۰۲۴ از سوی Climate Resilience for All نشان داد که گرما اکنون در برخی شهرهای جنوب اروپا تا پنج ماهدر سال ادامه دارد، زیرا دما تا میانه‌های پاییز بالای ۳۲ درجه سانتی‌گراد می‌ماند. برای نمونه، تابستان امسال در اسپانیا در زمره داغ‌ترین‌ها ثبت شد.
اما یک مطالعه جهانی از World Weather Attribution و Climate Central نیز هشدار داد که تا سال ۲۱۰۰ ممکن است سیاره هر ساله با نزدیک به دو ماه اضافی از روزهای «فوق‌داغ» روبه‌رو شود.
در چنین شرایطی، پژوهشگران می‌گویند سامانه‌های هشدار زودهنگام می‌تواند جان انسان‌ها را نجات دهد.
«پیش‌بینی‌های فصلی که در بهار انجام می‌شود اصولا می‌تواند بگوید تابستانی گرم‌تر از میانگین در پیش است یا نه»، مک‌آدام می‌گوید. «هشدار زودهنگام درباره تابستان‌های بسیار گرم می‌تواند به جامعه کمک کند تا برای کاستن از خسارت‌های اقتصادی و کاهش خطرات جانی آماده شود.»
این سامانه چگونه کار می‌کند
برای تهیه پیش‌بینی‌ها، هوش مصنوعیِ تیم CMCC حدود ۲ هزار نشانه اقلیمی گوناگون، از دمای هوا و شرایط اقیانوسی تا رطوبت خاک، را بررسی می‌کند تا ترکیبی را بیابد که بهترین نشانگرِ زمان و مکانِ احتمال شکل‌گیری موج‌های گرما باشد. پس از شناسایی این الگوهای کلیدی، سامانه می‌تواند در سراسر اروپا پیش‌بینی موج گرما ارائه کند.
به گفته پژوهشگران، رویکرد آنها با سامانه‌های پیش‌بینی سنتی برابری می‌کند و حتی در برخی موارد از آنها بهتر عمل می‌کند، به‌ویژه در شمال اروپا که توان پیش‌بینی مدت‌ها محدود بوده است.
این روش همچنین بینش‌های ارزشمندی به دانشمندان می‌دهد درباره اینکه کدام متغیرهای محیطی بیشترین اثر را بر گرمای حدی دارند.
این مطالعه نشان داد هم شرایط محلی، مانند میزان خشکیِ خاک، گرمای فعلی منطقه و چگونگی جابه‌جایی هوا بر فراز اروپا، و هم الگوهای دوردست اقیانوسی، در تعیین زمان وقوع موج گرما در اروپا نقش دارند.
از آنجا که داده‌های تفصیلی هواشناسی فقط به چند دهه پیش برمی‌گردد، پژوهشگران هوش مصنوعی خود را با بازسازی‌های رایانه‌ایِ اقلیم‌های گذشته، در بازه‌ای از سال ۰ تا ۱۸۵۰، آموزش دادند.
این کار صدها «سال مجازی» اضافی از وضعیت جوی را برای یادگیری در اختیار مدل گذاشت. هرچند داده‌ها از سیاره‌ای شبیه‌سازی‌شده به دست آمده بود نه از مشاهدات واقعی، هوش مصنوعی توانست آموخته‌هایش را به شرایط امروزی تعمیم دهد و موج‌های گرمای واقعیِ رخ‌داده بین سال‌های ۱۹۹۳ تا ۲۰۱۶ را با دقت پیش‌بینی کند.
آیا هوش مصنوعی می‌تواند پیش‌بینی را در دسترس‌تر و فراگیرتر کند؟
پیش‌بینی‌های سنتی اقلیم به ابررایانه‌های عظیمی متکی است که اجرای مدل‌های پیچیده جوّی در آنها روزها یا حتی هفته‌ها طول می‌کشد. تیم CMCC معتقد است سامانه هوش مصنوعی‌اش می‌تواند با توان محاسباتی بسیار کمتر این پیش‌بینی‌ها را انجام دهد.
با این حال، سامانه‌های هوش مصنوعی معمولا برای تامین انرژی و خنک‌سازیِ مراکز داده پشتیبان‌شان به مقادیر قابل توجهی انرژی و آب نیاز دارند. گزارش CMCC هزینه زیست‌محیطیِ هوش مصنوعی خود را محاسبه نکرده است. با این وجود، از نظر صرف اعداد و ارقام، دسترس‌پذیری آن به این معناست که گروه‌های پژوهشی و نهادهای دولتی بیشتری احتمالا توان استفاده از آن را خواهند داشت.
همان‌طور که مک‌آدام توضیح می‌دهد، رویکرد آنها نشان می‌دهد یادگیری ماشین می‌تواند پیش‌بینی‌های فصلیِ قابل اتکا ارائه کند «با به‌کارگیری تنها کسری بسیار کوچک از منابع محاسباتی» که روش‌های قدیمی‌تر نیاز دارند.
با ارائه هشدارهای دقیق چندین هفته پیش از وقوع گرمای حدی، این فناوری می‌تواند به اروپا کمک کند از پیش برنامه‌ریزی کند، محافظت از محصولات کشاورزی کند، فشار بر شبکه‌های برق را کاهش دهد و به خدمات بهداشتی فرصت بدهد تا برای افزایش موارد فوریت‌های درمانی آماده شوند.
مزایای این ابزار متکی بر هوش مصنوعی می‌تواند در رویدادهای مرگبار دیگر نیز جان‌ها، زمان و منابع را نجات دهد. پژوهشگران معتقدند همین چارچوب در نهایت می‌تواند برای پیش‌بینی سایر رویدادهای حدیِ آب‌وهوایی مانند سیلاب‌ها یا خشکسالی‌ها هم سازگار شود.