قد تعني أربع وعشرون ساعة إضافية قبل وصول إعصار مداري فرقاً حقيقياً بين الاستعداد المنظم والفوضى. يستطيع المستشفى نقل مرضى يحتاجون إلى رعاية مستمرة قبل غمر الطرق. ويستطيع الميناء تثبيت الرافعات والحاويات وأنظمة الوقود. وتستطيع الأسرة العثور على نقل وأدوية ومأوى بينما لا تزال أوامر الإخلاء الرسمية قابلة للتنفيذ. لذلك يستحق WeatherNext Cyclones من Google DeepMind أن يوصف بأنه خبر تقني جيد: قيمته تقاس بوقت إنذار إضافي لا بضجة حول AI.

تنبؤ بإعصار مداري بمساعدة AI مع مسارات احتمالية وبنية تحتية مستعدة نشرت Nature في 6 أغسطس 2026 بحث “Operational Tropical Cyclone Forecasting with AI”. يقدّم البحث WeatherNext Cyclones كنموذج طقس تشغيلي للتنبؤ بمسار الأعاصير المدارية وشدتها وأنصاف أقطار الرياح عالمياً. تقول DeepMind إن التقييم على عواصف حديثة أظهر أفضلية متوسطة تقارب يوماً أو أكثر مقارنة بنماذج تشغيلية رائدة. عملياً، قد تصبح فائدة تنبؤ ثلاثة أيام قريبة مما كان متاحاً سابقاً في أفق يومين.

أهمية ذلك أن الإعصار ليس خطاً واحداً على الخريطة. المسار يتأثر بتدفقات جوية واسعة، أما الشدة فتتأثر بحرارة المحيط وقص الرياح والرطوبة وعمليات داخلية حول عين العاصفة. انحراف بعشرات الكيلومترات يغير المدن المهددة. والتكثف السريع قبل الوصول إلى اليابسة يغير الوقت المتاح للمستشفيات والموانئ وشبكات الكهرباء وفرق الإخلاء.

لكن الصياغة المسؤولة ضرورية: النموذج لا يستبدل خدمات الأرصاد الوطنية. تؤكد DeepMind أن التنبؤات والإنذارات الرسمية يجب أن تأتي من وكالة الأرصاد المحلية أو الخدمة الوطنية. وقال Mike Brennan، مدير National Hurricane Center في الولايات المتحدة، لـ WIRED إن الوقت الإضافي يساعد في الإخلاء والاستعداد، لكن العنصر البشري يبقى حاسماً لأن التنبؤ يجب أن يترجم إلى آثار ملموسة. الخطر الحقيقي هو الماء والرياح والطرق المقطوعة والقرارات المتأخرة.

تقنياً، يجمع WeatherNext Cyclones بين بيانات جوية عالمية وملاحظات تاريخية للأعاصير منسقة بخبرة. تشير DeepMind إلى قرابة 20 تيرابايت من البيانات الجوية وإلى قاعدة IBTrACS التي تضم نحو 5,000 عاصفة تاريخية. يستطيع النظام إنتاج تنبؤات حتى 15 يوماً، وبناء مجموعات كبيرة من السيناريوهات. هذه المجموعات مهمة لأنها تكشف الاحتمالات الأقل شيوعاً والأعلى خطراً: انعطاف مفاجئ نحو الساحل، توسع مجال الرياح، أو تكثف سريع قبل اليابسة.

السرعة جزء من الفائدة. تقول DeepMind إن تنبؤاً واحداً لمدة 15 يوماً يمكن إنشاؤه في أقل من دقيقة على TPU. النماذج العددية القائمة على الفيزياء لا تختفي، فهي لا تزال أساساً ضرورياً. لكن المجموعات الفيزيائية الكبيرة مكلفة. إذا ساعد AI في فحص مزيد من المسارات المحتملة بسرعة، يحصل المتنبئون على أداة إضافية لتقدير المخاطر مبكراً.

هناك سبب مهم للحذر. يستخدم WeatherNext بيانات بدقة تقارب 28 في 28 كيلومتراً، وهي خشنة مقارنة بالعمليات داخل قلب الإعصار. ومع ذلك تبدو نتائج الشدة قوية، مع أن الشدة كانت من أصعب أجزاء تنبؤات AI الجوية. أشارت Kate Musgrave من CIRA إلى هذه النقطة في WIRED. تفسير النجاح بهذه الدقة يحتاج إلى تحقق مستقل في أحواض ومواسم وحالات متطرفة مختلفة.

يوضح مثال Hurricane Melissa الفائدة المحتملة. وصفت DeepMind كيف ساعد WeatherNext فريق National Hurricane Center على رؤية خطر وصول العاصفة إلى جامايكا كإعصار من الفئة الخامسة في وقت أبكر. الصياغة الدقيقة مهمة: كان ذلك توجيهاً تجريبياً للخبراء، لا إنذاراً عاماً صادراً عن شركة. بقيت التحذيرات الرسمية لدى المؤسسات العامة المسؤولة.

الانفتاح إشارة إيجابية أخرى. مستودع google-deepmind/weathernext عام بترخيص Apache-2.0؛ عند التحقق كان لديه نحو 7,459 نجمة و959 fork و77 issue مفتوحة. نشرت DeepMind الكود وأوزان WeatherNext 2 وWeatherNext Cyclones. في الأرصاد الجوية، يسمح ذلك للباحثين والخدمات الوطنية باختبار النموذج على مناطقهم وبياناتهم وحالاتهم القصوى. فتح الكود لا يبني نظام إنذار وحده، لكنه يتيح الفحص.

النقاش العام مفيد أيضاً. يرحب كثيرون بتطبيق AI يخدم العلم والسلامة، بينما يذكر آخرون بأن هذه النماذج تعتمد على بنية عامة: أقمار صناعية، محطات رصد، أرشيفات إعادة تحليل، NOAA وNHC وMet Office وخدمات مماثلة. إذا استُخدم نجاح نموذج صناعي لتقليص الأرصاد العامة، تضعف القاعدة التي يقوم عليها. الاستنتاج الصحيح أن AI يمكن أن يقوي التنبؤ للصالح العام عندما تبقى المؤسسات العامة قوية.

الاستخدامات العملية تشمل الشحن البحري، شبكات الكهرباء، المستشفيات، المساعدات الإنسانية، التأمين وتخطيط السواحل. الفائدة المشتركة هي وقت أكثر لاتخاذ قرار محدد. وتبقى المخاطر: الثقة الزائدة، سوء فهم الاحتمالات، تفاوت القدرة بين البلدان، وعواصف لا تشبه الماضي. التقنية الجيدة هنا لا تلغي المسؤولية؛ إنها قد تمنح المسؤولين مزيداً من السيناريوهات والسرعة، وربما يوماً إضافياً.

المصادر

Google DeepMind؛ Nature، “Operational Tropical Cyclone Forecasting with AI”، 6 أغسطس 2026؛ Google Keyword؛ WIRED؛ DeepMind Weather Lab؛ National Hurricane Center؛ مستودع google-deepmind/weathernext.