في ظل التغيرات المناخية المتسارعة التي نعيشها، تزايدت أهمية التنبؤ بالأحوال الجوية بدقة عالية، خاصة في حالات الطقس المتطرف التي تتطلب اتخاذ قرارات سريعة وحاسمة. في هذا الإطار، قدمت دراسة حديثة تقنية تعتمد على نماذج الشبكات العصبية لتقدير عدم اليقين في التنبؤات الجوية، مستخدمةً ما يعرف بنموذج نواة التانغنت العصبية (Neural Tangent Kernel) أو NTK.

تعمل نماذج التعلم العميق (Deep Learning) حالياً على مطابقة دقة توقعات الطقس العددية، لكنها تعاني من عجز في تقديم تقديرات موثوقة لعدم اليقين، وهو ما يمثل فجوة حرجة. التقنية الجديدة التي تم اقتراحها، NTK-UQ، تستخدم ميزات جلستها الأخيرة لتوفير تقديرات عدم اليقين، حيث يرتبط جودة هذه التقديرات بتصميم الهيكل المعماري للنموذج.

توصل الباحثون إلى آليتين رئيسيتين تؤثران على قدرة النموذج في تقدير عدم اليقين: الأولى تتعلق بتقليص التباين، التي تفسر الظروف التي يفشل فيها تقدير عدم اليقين؛ والثانية تتعلق بالأداء الناتج عن التركيب الثقيل والمتنوع للظروف الجوية المتطرفة.

تقدم NTK-UQ تحسينات ملحوظة مقارنة بأساليب التنبؤ الحالية، حيث تمكنت من تقليل نطاقات التنبؤ بنسة تتراوح بين 31% إلى 37% مع تغطية تصل إلى 90%. بالإضافة إلى ذلك، فإن هذه التقنية قادرة على إنتاج فترات تنبؤ قابلة للتكيف مع شدة الأحداث المتطرفة، وهو ما لا تستطيع أساليب التنبؤ التقليدية تحقيقه.

الأكثر إثارة هو أن هذه التقنية لا تتطلب إعادة تدريب الأنظمة القائمة عليها، مما يسهل استخدامها في الأطر الزمنية الضيقة التي تتطلبها التنبؤات الجوية. فهل يمكن أن تكون هذه الأداة حلاً مبتكراً لمشاكل الطقس المتزايدة؟ دعونا نتفاعل مع آرائكم تجاها في التعليقات!