تخطط مايكروسوفت لتغيير نمذجة الكوارث الطبيعية باستخدام الحوسبة السحابية
التنبؤ بالطقس مجال معقد كما هو معروف، لكن هذه المهمة تزداد أهمية للأداء اليومي لكوكبنا. تزيد التغيرات المناخية من حجم الكوارث الطبيعية المدمرة وآثارها، من حرائق الغابات والأعاصير إلى الفيضانات والأعاصير المدارية.
إن المعرفة الدقيقة بزمان ومكان وقوع الكارثة الطبيعية (أو على الأقل الحصول على إنذار مسبق قبل ساعات قليلة) يمكن أن تغيّر النتيجة بشكل جذري بالنسبة للسكان المتضررين. ترى مايكروسوفت في هذا المجال فرصة لا لفعل الخير فحسب، بل أيضاً لسوق مربحة يمكن توظيفها لخدمة الحوسبة السحابية الخاصة بها Azure.
في إطار برنامجها AI for Earth، جمعت الشركة عدداً من المقترحات فيما تسميه «الحاسوب الكوكبي». وتشمل هذه المقترحات واجهات برمجية لتحديد الأجسام، وكذلك أنواع النباتات والحيوانات. ويقدم برنامج AI for Earth منحاً للعلماء وغيرهم لاستخدام Azure في أبحاثهم ونماذجهم. ويأتي البرنامج ضمن مبادرات سحابية أخرى للشركة، مثل AI للصحة وAI لإمكانية الوصول.
إذا كنت مهتماً بمعرفة كيفية عمل ما يسمى الحاسوب الكوكبي، وأين تقع العقبات أمام نمذجة أكثر فعالية للكوارث الطبيعية، فينبغي التركيز على جميع جوانب منظومة الاستجابة للكوارث. وقد صرّح المدير البرمجي للمشروع لموقع TechCrunch بأن طموحات المشروع لا تزال قوية كما كانت من قبل.
«الهدف هو امتلاك حاسوب كوكبي يساعد الجميع على إدارة النظم البيئية للأرض، لأن ذلك هو السبيل الوحيد لتحقيق الفعالية في حالة الكارثة»
رغم أن البرنامج يركز على «الحد من المخاطر والاستجابة والتعافي»، فإن مرحلة الاستجابة هي الأكثر إثارة للاهتمام، لأن القرارات يجب أن تُتخذ بأسرع ما يمكن. ولاحظ نونيز أن الذكاء الاصطناعي تقدم بسرعة كبيرة خلال السنوات القليلة الماضية، خاصة في المجالات المتعلقة بالبيئة. وأوضح أن الذكاء الاصطناعي لا يحتاج إلى كمية البيانات التي يعتقد كثيرون أنه يحتاجها.
شهد مجال إعادة تدريب الخوارزميات تقدماً كبيراً. ويعمل العلماء والمهندسون بجد لجعل الناس يفهمون الذكاء الاصطناعي وكيفية بناء نموذج تعلم عميق فعال للغاية. ومن أكبر التحديات عند تطبيق الذكاء الاصطناعي على أنظمة الأرض عدد التخصصات التي يجب دمجها لتحقيق نجاح النمذجة.
مع ذلك، تبقى تخصصات كثيرة بعيدة عن بعضها البعض. وعلاوة على ذلك، لا توجد فجوة أوسع من تلك بين العلماء وباحثي الذكاء الاصطناعي. ويرى نونيز في البرنامج فرصة لإشراك جميع الأطراف باستمرار في مواجهة بعض أصعب المشكلات التي يواجهها الكوكب.
«هناك ديناميكيات مختلفة بسبب حوافز متباينة، ففي المجتمع العلمي حافز لإنتاج المزيد من المعرفة، أما بالنسبة لمطوري النماذج فالحافز هو الحصول بسرعة على إجابات جيدة. كيف يمكن اتخاذ القرارات بسرعة في ظل عدم اليقين؟»
إحدى طرق سد هذه الفجوة هي ما أطلق عليه نونيز «رفع الكفاءة»، أي تشجيع العلماء على تعلم المزيد عن الذكاء الاصطناعي. وكل ذلك جزء من استراتيجية واحدة، هي مساعدة الناس على إجراء التحليل البيئي بشكل أسرع وأفضل. لا يوجد شيء أصعب من التحليل الجغرافي المكاني. فالحواسيب جيدة في بُعد واحد، لكنها لا تتعامل بكفاءة كبيرة مع الأجسام المتجاورة.
تخصص سانشيز-أندراد نونيز في البداية في علم الفلك، لكنه رفع كفاءته في نظم المعلومات الجغرافية (GIS). وقد تراجعت الجهود المرتبطة برفع كفاءة مهارات الذكاء الاصطناعي المتقدمة، إذ توسعت المكتبات وأصبحت وحدات الذكاء الاصطناعي العامة تعمل بشكل جيد، كما أصبحت هناك مواد تعليمية ضخمة متاحة لفهمها.
صرّح المدير البرمجي لبرنامج AI for Earth بأن الناس كانوا يحتاجون في السابق إلى شهادة دكتوراه، أما اليوم فيكفي 10 أسطر من الشيفرة البرمجية. لكن هذه القوة المتزايدة تدفع الناس إلى الاعتقاد بأن الذكاء الاصطناعي قادر على حل أي مشكلة كوكبية. لا يستطيع ذلك، أو، إذا كنت أكثر تفاؤلاً، فهو لا يستطيع ذلك حتى الآن.
«نحن نحاول تقليل الضجيج المحيط بالذكاء الاصطناعي. إذا لم تكن تعرف ما هو الذكاء الاصطناعي، فلن تصدق ما هو عليه»
يركز البرنامج على قابلية التفسير في كثير من مبادراته، حتى يتمكن العلماء وباحثو الذكاء الاصطناعي معاً من فهم النتائج التي تخرج من النماذج. وتتوافق هذه المهمة بشكل متزايد مع المؤسسات الحكومية المعنية. وقد وقّع برنامج AI for Earth مؤخراً اتفاقية شراكة مع مركز أبحاث الهندسة التابع للجيش الأمريكي لتحسين نظام مراقبة المناطق الساحلية.
في نهاية المطاف، تزداد النمذجة نضجاً، رغم أن هناك الكثير من العمل ما يزال أمامها. «في الوقت الراهن، أود أن أقول إننا ما زلنا في مرحلة الميزانين. فالعديد من العمليات تتطلب معالجة خاصة كثيرة»، قال نونيز. والخبر السار هو أن عدداً متزايداً من الناس يدخلون ميدان المعركة، ويحاولون ربط النقاط، وتحسين قدرات الاستجابة للكوارث الطبيعية في جميع أنحاء العالم خلال ذلك.
