إم آي تي يطور إطار عمل للذكاء الاصطناعي لنمذجة الظواهر المناخية المتطرفة غير السابقة والتي تتجاوز السجلات التاريخية

نجح علماء في معهد ماساتشوستس للتكنولوجيا (MIT) في بناء إطار عمل للتعلم الآلي قادر على نمذجة أحداث مناخية غير مسبوقة، مما يوفر لمخططي المدن ومحللي المخاطر المناخية أداة لمحاكاة سيناريوهات الكوارث التي تتجاوز التاريخ المسجل. ويولد نظام الذكاء الاصطناعي نماذج جوية معقولة فيزيائيًا للأحداث القاسية التي لم تحدث مطلقًا في السجلات الرصدية الحديثة، وفقًا لتقرير نشرته TOI Science Desk في أغسطس 2026. وكتظاهرة مرجعية، طبق الباحثون إطار العمل لمحاكاة حدث افتراضي لهطول الأمطار في يوم واحد بمقدار 300 مليمتر فوق مدينة نيويورك—وهو رقم يتجاوز بكثير الحد الأقصى التاريخي المسجل للمدينة البالغ نحو 200 مليمتر. ومن خلال دمج الفيزياء الجوية في خوارزميات التعلم الآلي التوليدي، يردم هذا النظام فجوة حاسمة في المرونة المناخية: مما يمكن من تصميم البنية التحتية ليس لأسوأ أحداث الماضي، بل للظواهر المتطرفة غير المسبوقة لتغير المناخ.

## حقائق رئيسية - طور الباحثون في معهد ماساتشوستس للتكنولوجيا إطار عمل للذكاء الاصطناعي لمحاكاة الظواهر الجوية المتطرفة التي تقع تمامًا خارج مجموعات البيانات التاريخية. - قيم النموذج سيناريو يتضمن هطول 300 مليمتر من الأمطار فوق مدينة نيويورك، وهو أعلى بكثير من الرقم القياسي التاريخي للمدينة في يوم واحد والبالغ نحو 200 مليمتر. - تعتمد نماذج المخاطر التقليدية على بيانات المحطات التاريخية والاستقراء الإحصائي، والتي غالبًا ما تفشل في مراعاة الظروف المناخية غير المستقرة. - يتضمن إطار العمل التعلم الآلي القائم على الفيزياء لضمان بقاء سيناريوهات الطقس القاسي الاصطناعية معقولة من حيث ديناميكا الموائع والديناميكا الحرارية. - تُصمم أنظمة تصريف المياه الحضرية الحديثة في المدن العالمية الكبرى عادةً لتحمل الأحداث التاريخية التي تتكرر كل 50 أو 100 عام بدلاً من المخاطر الذيلية غير المرصودة.

## ماذا حدث يعالج هذا التطوير واحدة من أكثر الاختناقات الحسابية استعصاءً في علوم الغلاف الجوي: محاكاة الكوارث الفيزيائية التي لا تملك قاعدة مرجعية رصدية سابقة. وتعمل نماذج الذكاء الاصطناعي التقليدية المدربة على بيانات إعادة التحليل الأرصادي التاريخية بشكل جيد في التنبؤ بأنماط الطقس المألوفة. ومع ذلك، عند دفعها للتنبؤ بالظروف خارج توزيع تدريبها، فإن بنيات التعلم العميق القياسية غالبًا ما تنتج نتائج غير ممكّنة فيزيائيًا أو تعود نحو المتوسطات التاريخية.

وللتغلب على ذلك، قام فريق البحث في MIT بإنشاء بنية تعلم آلي قائمة على الفيزياء ومخصصة لمحاكاة القيم المتطرفة. وبدلاً من الاعتماد الكلي على التعرف التجريبي على الأنماط، يفرض النظام قيودًا فيزيائية أساسية، بما في ذلك حفظ الكتلة، والزخم، والطاقة الحرارية داخل الأعمدة الجوية. وهذا يضمن أنه عندما يعرض الذكاء الاصطناعي سيناريو متطرفًا، فإن المجالات الجوية الناتجة—مثل سرعة الرياح، والضغط الجوي، ومحتوى الرطوبة الجوية، ودرجة حرارة السطح—تظل متسقة فيزيائيًا.

وفي اختبار النظام، قيم الباحثون كيفية ظهور اضطراب جوي كارثي فوق منطقة نيويورك الكبرى. تشير السجلات التاريخية إلى أن أعلى تراكم لهطول الأمطار في يوم واحد في مدينة نيويورك يقارب 200 مليمتر. بينما أنتج إطار عمل MIT محاكاة دقيقة ومحلية لعاصفة معقولة القوة قادرة على جلب 300 مليمتر من الأمطار—بزيادة قدرها 50 بالمئة عن السجلات الرصدية المعروفة.

توفر المخرجات الناتجة رسمًا بيانيًا محددًا مكانيًا وزمنيًا لكيفية تحرك مثل هذه العاصفة عبر التضاريس الحضرية. ويحدد كيف يمكن للكتل الهوائية المحملة بالرطوبة أن تتوقف فوق أحواض تجميع مياه محددة، مما يؤدي إلى فيضانات مفاجئة مركبة عبر الأحياء المنخفضة، وممرات الترانزيت تحت الأرض، والبنية التحتية الحيوية للطرق السريعة.

## لماذا يهم هذا الأمر تمثل القدرة على توليد سيناريوهات عواصف غير مسبوقة ومتسقة فيزيائيًا تحولاً كبيراً بالنسبة للبنية التحتية العامة، وسياسة التكيف المناخي، والمالية المحلية، وقطاع التأمين العالمي.

لعقود من الزمن، صمم المهندسون المدنيون ومخططو المدن الأشغال العامة باستخدام خرائط مخاطر الفيضانات التاريخية التي أعدتها الوكالات الحكومية. في الولايات المتحدة، تنتج الوكالة الفيدرالية لإدارة الطوارئ خرائط تعتمد على التحليلات الإحصائية لسجلات مقاييس الجداول وبيانات الأمطار المجمعة على مدى 50 إلى 100 عام الماضية. وتحدد هذه الخرائط قانون البناء، وتنظيمات المناطق، ومتطلبات الارتفاع للبنية التحتية الحيوية مثل محطات معالجة المياه وشبكات النقل.

ومع ذلك، فإن السجلات التاريخية أصبحت على نحو متزايد أدلة غير موثوقة للمخاطر المستقبلية. بموجب معادلة كلاوزيوس-كلابيرون، تتيح كل زيادة بمقدار درجة مئوية واحدة في متوسط درجة الحرارة الجوية العالمية للغلاف الجوي احتواء رطوبة أكثر بنسبة 7 بالمئة تقريبًا. ومع ارتفاع درجات الحرارة العالمية، تمتص أنظمة العواصف كميات أكبر من الرطوبة، مما يؤدي إلى زيادة شدة هطول الأمطار خلال العواصف القاسية.

إذا ظل التخطيط البلدي مرتبطًا بالحدود العليا التاريخية، فستظل البنية التحتية المُنشأة حديثًا دون المستوى المطلوب لظروف منتصف القرن. إن حدث هطول أمطار بمقدار 300 مليمتر في مدينة نيويورك، كما تمت محاكاته بواسطة إطار عمل MIT، من شأنه أن يغمر شبكات صرف مياه الأمطار القياسية المصممة لعتبات حجمية أقل. ومثل هذا الحدث سيهدد بغمر كارثي لأنفاق المترو، وغرف الكهرباء السفلية، والمناطق السكنية.

وإلى جانب التخطيط المادي، تنطوي التكنولوجيا على آثار مباشرة على قطاع التأمين. تعتمد شركات إعادة التأمين على نماذج الكوارث لتحديد متطلبات احتياطي رأس المال وتغطية مخاطر الممتلكات. والنماذج التي تفشل في توقع المخاطر الذيلية غير المرصودة يمكن أن تؤدي إلى عدم استقرار مفاجئ في السوق أو الإفلاس بعد الكوارث. ومن خلال توفير محاكاة دقيقة للتطرفات النظرية، تتيح أداة MIT لشركات التأمين ووكالات تصنيف السندات إجراء اختبارات ضغط مالية واقعية.

## الخلفية انقسم تحدي التنبؤ بالأحداث الجوية النادرة والقاسية تقليديًا بين منهجيتين حسابيتين، وكلاهما يعاني من قيود هيكلية.

يعتمد النهج الأول على نماذج الدوران العالمي وأنظمة التنبؤ العددي بالطقس. تحل محركات الحساب هذه القائمة على الفيزياء معادلات ديناميكا الموائع عبر شبكات ثلاثية الأبعاد تحيط بالكرة الأرضية. وعلى الرغم من دقتها الفيزيائية، تتطلب نماذج الدوران العالمي عالية الدقة قوة حاسوبية هائلة. وتتطلب إدارة عمليات محاكاة تجميعية كافية عالية الدقة لالتقاط الأحداث النادرة للغاية—مثل عاصفة تحدث مرة كل 500 عام—موارد حسابية ووقتًا هائلين، مما يجعل الاستكشاف الشامل للمخاطر الذيلية مكلفًا حسابيًا لدوائر التخطيط البلدي.

يعتمد النهج التاريخي الثاني على الرياضيات الإحصائية، وتحديدًا نظرية القيم المتطرفة. تقوم نظرية القيم المتطرفة بملاءمة التوزيعات الاحتمالية المعلمية مع سجلات المحطات التاريخية لتقدير فترات العودة للأحداث غير المرصودة. ومع ذلك، تفي هذه النظرية بافتراض أساسي وهو ثبات المناخ—المبدأ القائل بأن الأنظمة الطبيعية تتذبذب ضمن غلاف متغير لا يتغير. لكن التسارع السريع لتغير المناخ أبطل فرضية الثبات. وتأتي عملية استقراء التوزيعات التاريخية في مناخ غير مستقر لتؤدي غالبًا إلى تقدير أقل بكثير لتكرار الأحداث المستقبلية وحجمها.

في السنوات الأخيرة، أحدثت نماذج التعلم العميق المدربة على عقود من بيانات إعادة تحليل الطقس العالمي—مثل مجموعة بيانات ERA5 التابعة للمركز الأوروبي للتنبؤات الجوية متوسطة المدى، والتي تفهرس المعلمات الجوية من عام 1979 حتى الوقت الحاضر—تحولاً في التنبؤات الجوية قصيرة المدى. ويمكن لأنظمة مثل GraphCast من Google DeepMind وFourCastNet من Nvidia إنشاء توقعات عالمية لمدة خمسة أيام في ثوانٍ معدودة على وحدات معالجة الرسومات الفردية. ومع ذلك، ولأن هذه الشبكات العصبية تتعلم حصريًا من إعادة التحليل التاريخية، فإنها تواجه صعوبة عندما تُكلف بالتنبؤ بأحداث تتجاوز القيم القصوى الموجودة في مجموعات بيانات تدريبها.

أظهرت الأحداث التاريخية الأخيرة الخطر الفعلي للاعتماد على الحدود التاريخية القصوى. ففي سبتمبر 2021، أسفرت بقايا إعصار أيدا (Ida) عن هطول أكثر من 80 مليمترًا من الأمطار في ساعة واحدة فوق سنترال بارك، مما سجل رقمًا قياسيًا قصير المدى لمدينة نيويورك وتسبب في غرق أنفاق المترو. وفي يونيو 2021، أدت قبة حرارية استثنائية فوق شمال غرب المحيط الهادئ إلى رفع درجات الحرارة في ليتون ببريتيش كولومبيا إلى 49.6 درجة مئوية، مما حطم الأرقام القياسية الوطنية السابقة بنحو 5 درجات مئوية—وهي نتيجة حسبت النماذج القياسية أنها غير ممكنة إحصائيًا تقريبًا بموجب التوزيعات التاريخية.

## ردود الفعل عقب التقرير الذي نشرته TOI Science Desk، من المتوقع أن يقوم علماء المناخ ومسؤولو المرونة الحضرية وأخصائيو إدارة المخاطر بتقييم كيفية دمج نظام الذكاء الاصطناعي القائم على الفيزياء في الأطر الحالية للاستجابة للكوارث والبنية التحتية.

ومن المتوقع أن يرصد باحثو الغلاف الجوي التركيز على التحقق من صحة القيود الفيزيائية للنموذج عبر مختلف التضاريس العالمية، لضمان أن العواصف الاصطناعية الموّلدة في المناطق الساحلية والجبلية وأحواض الأنهار الداخلية تعكس باستمرار الواقع الديناميكي الحراري المحلي. كما يُتوقع أن تراجع جمعيات الهندسة المدنية ما إذا كان يمكن إدراج بيانات المخاطر الذيلية الاصطناعية في كودات البناء وأدلة إدارة مياه الأمطار المعدلة.

كما تراقب المؤسسات المالية ومصدرو السندات البلدية هذا التطوير عن كثب. وتطالب وكالات التصنيف بشكل متزايد المدن بالإفصاح عن المخاطر المناخية المادية قبل إصدار سندات بلدية طويلة الأجل لمشاريع البنية التحتية. وقد يصبح إثبات القدرة على نمذجة الصدمات المناخية غير المسبوقة وتحملها شرطًا قياسيًا للحفاظ على التصنيفات الائتمانية في المناطق الساحلية الكبرى.

## ما لا نعرفه بعد على الرغم من الإمكانيات الواعدة لإطار عمل MIT، لا تزال العديد من الأسئلة الفنية والتشغيلية دون إجابة.

يظل من غير الواضح مدى سهولة توسيع نطاق النموذج ومعايرته للإعدادات الجغرافية ذات محطات المراقبة الأرصادية التاريخية المحدودة، مثل المناطق في جميع أنحاء الجنوب العالمي. وبينما تمتلك المراكز الحضرية الرئيسية مثل مدينة نيويورك شبكات كثيفة من محطات الطقس وتغطية الرادار التي تمتد لأكثر من قرن، غالبًا ما تفتقر المناطق النامية إلى بيانات رصد عالية الكثافة، مما قد يؤثر على تأسيس قواعد التعلم الآلي.

بالإضافة إلى ذلك، يشكل التحقق من الصحة مفارقة متأصلة. ولأن النظام مصمم خصيصًا لمحاكاة أحداث متطرفة غير مسبوقة، فإن التحقق التجريبي المباشر من مخرجاته ذات الشدة الأعلى يكون مستحيلاً حتى تحدث كارثة مماثلة بالفعل. ويجب على الباحثين الاعتماد على تقنيات التحقق البديلة، مثل اختبار ما إذا كان النموذج يمكنه إعادة إنشاء الأحداث المتطرفة التاريخية بدقة عند تدريبه على مجموعات بيانات مجتزأة تستبعد تلك الأحداث.

وأخيرًا، لم تتبلور التفاصيل المحددة المتعلقة بالوصول العام، والنفقات الحسابية الإضافية، وتراخيص التوزيع بشكل كامل. ومن غير معروف ما إذا كانت MIT تخطط لإصدار النموذج كبرنامج مفتوح المصدر وكالات التخطيط البلدي العامة في جميع أنحاء العالم أو ترخيص إطار العمل من خلال شراكات تحليلات المناخ الخاصة.

## ما يجب مراقبته في الأشهر القادمة، ستوضح عدة محطات رئيسية الأثر العلمي والعملي للبحث: - نشر الأدبيات الفنية الكاملة المراجعة من قبل الأقران والتي تفصل البنية الرياضية ودوال الخسارة الفيزيائية للشبكة العصبية. - الإعلان عن مشاريع تجريبية بين باحثي MIT والوكالات العامة، مثل إدارة الطوارئ بمدينة نيويورك، أو الوكالة الفيدرالية لإدارة الطوارئ، أو سلطات النقل الإقليمية. - إصدار مجموعات بيانات مرجعية تعرض سيناريوهات المخاطر الذيلية الاصطناعية للمناطق الكبرى العالمية الأخرى العرضة للمخاطر المناخية القاسية. - العروض التقديمية الفنية في المؤتمرات العالمية القادمة للمناخ والذكاء الاصطناعي، مثل الاجتماع السنوي للجمعية الأمريكية للأرصاد الجوية أو مؤتمر NeurIPS. - إمكانية دمج النماذج التوليدية القائمة على الفيزياء في منصات تقييم المخاطر التجارية التي يستخدمها قطاعا التأمين والمصارف العالميان.

يستند هذا التقرير إلى تغطية علمية أصلية أعدتها TOI Science Desk.