في عالم الذكاء الاصطناعي وتكنولوجيا المعلومات، تلعب نماذج تنبؤ الطقس دورًا حيويًا في فهم المناخ والتعامل مع تحدياته. إلا أن الكثير منها يظل غامضًا، حيث يصعب فهم كيفية تمثيل هذه النماذج للظواهر المناخية من الداخل. وفي خطوة جديدة ومبتكرة، يتم طرح نموذج جديد يُعرف باسم KAN-SAE، والذي يعد ثورة في مجال نمذجة الطقس.

تقوم KAN-SAE بتجاوز القيود التي تفرضها نماذج التشفير التقليدية التي تعتمد على تفعيلات خطية. حيث تستبدل KAN-SAE تفعيلات ReLU القياسية بتفعيلات B-spline القابلة للتعلم، مستمدة من شبكات Kolmogorov-Arnold (KANs). هذا يسمح لكل بُعد خفي بتطوير نمط تحكم غير خطي خاص به، مما يؤدي إلى تحسين قدرة النموذج في تمثيل ديناميات الغلاف الجوي المعقدة بشكل أفضل.

تبتكر KAN-SAE في تحليل بيانات الطقس، حيث اكتشفت 975 ميزة حيوية، مقارنةً بـ 566 ميزة في الأنماط الخطية التقليدية، ممّا يمثل تحسينًا بنسبة 72%. علاوة على ذلك، أظهرت KAN-SAE وجود خصائص مناخية يمكن تفسيرها بسهولة، مثل موجة الحرارة الأوروبية التي تركزت في غرب أوروبا، بالإضافة إلى تتبع إعصار في المحيط الهادئ الغربي، وذلك قبل تأكيدها من خلال تجارب التوجيه السببي.

تشير النتائج إلى أن التفعيلات غير الخطية تعتبر أساسية لفهم آليات نماذج تنبؤ الطقس العميقة، ويمكنها استعادة ميزات مناخية تظل غير مرئية للنماذج الخطية. إذاً، هل نحن أمام بداية حقبة جديدة في فهم المناخ والتنبؤ به؟ ما رأيكم في هذه التطورات؟ شاركونا في التعليقات!