گرما، قطعی برق و چشم امیدی که به هوش مصنوعی است

نبض فناوری

 به گزارش «نبض فناوری» به نقل از ایسنا، هوش مصنوعی اکنون همه جا هست؛ چه بخواهیم و چه نخواهیم. نقش هوش مصنوعی در کاربردهای علمی و تجاری رو به افزایش گذاشته و بیش از ۳۵۰ میلیارد دلار در هوش مصنوعی سرمایه‌گذاری شده است. در مدل‌سازی‌های رایانه‌ای آب‌وهوا و اقلیم، هوش مصنوعی می‌تواند مدل‌های بهتر و سریع‌تری را ارائه دهد که تأثیرات واقعی بر توانایی ما در پیش‌بینی و آمادگی برای رویدادهای فاجعه‌بار آب‌وهوایی خواهند داشت. از سوی دیگر، مصرف انرژی توسط هوش مصنوعی بسیار زیاد است و تأثیرات منفی زیست‌محیطی دارد. این امر، مدل‌های خوب اقلیمی را از اهمیت بیشتری برخوردار می‌کند.

پیش‌بینی همیشه ضروری بوده است اما با گرم شدن سیاره ما، رویدادهای اقلیمی شدیدتر می‌شوند. جای تعجب نیست که بسیاری از سازمان‌های بزرگ، از پروژه «Destin-E» اتحادیه اروپا گرفته تا مشاهدات «اداره ملی اقیانوسی و جوی آمریکا»(NOAA) از زمین و پروژه «Earth-2» شرکت «انویدیا»(NVIDIA) در حال کار کردن روی مدل‌های بهتر هستند. از قدرت‌های این شبیه‌سازی‌های اقلیمی جدید می‌توان به محاسبات با کارآیی بالا، پردازنده‌های گرافیکی، حجم زیادی از داده‌ها و مدل‌های هوش مصنوعی اشاره کرد.

با گرم شدن کره زمین و محدود شدن منابع انرژی، نیاز به راهبردهای جدید احساس می‌شود. مردم چشم به راه فناوری‌های جدیدی هستند که آنها را از گرمای طاقت‌فرسا و قطعی برق برای ساعت‌های طولانی نجات دهند. گروه‌های بسیاری از دانشمندان سراسر جهان سعی دارند از توانایی‌های هوش مصنوعی در پیش‌بینی موج گرما و قطعی برق و همچنین یافتن راه‌هایی برای برطرف کردن این مشکلات استفاده کنند.

در ادامه گزارش به پتانسیل هوش مصنوعی در حوزه اقلیم و آب‌وهوا و برق می‌پردازیم.

نقش هوش مصنوعی در حوزه اقلیم و آب‌وهوا

تفاوت بین اقلیم و آب‌وهوا چیست؟ پژوهش‌ها معمولاً اقلیم را به عنوان سیستم‌هایی در مقیاس جهانی و آب‌وهوا را به عنوان سیستم‌هایی در مقیاس محلی تعریف می‌کنند. این که مقیاس را محلی تعریف کنیم، به مدل بستگی دارد. هر چه مقیاس بزرگتر باشد، زمان پردازش رایانه طولانی‌تر خواهد بود و به کار بیشتری نیاز خواهد داشت.

یک هدف بزرگ در حوزه اقلیم، ساخت مدل‌هایی با وضوح یک کیلومتر با نرخ محاسباتی یک سال شبیه‌سازی‌شده در روز است. به عبارت دیگر، در این‌ شبیه‌سازی‌ها هر پیکسل نشان‌دهنده یک کیلومتر از زمین است و توانایی شبیه‌سازی یک سال کامل تنها در یک روز از زمان محاسبه وجود دارد. توانایی کنونی، مقیاس ۱۰ کیلومتر است که برای ثبت بیشتر پدیده‌های جوی خوب به نظر می‌رسد. با وجود این، رسیدن به وضوح یک کیلومتر به پژوهشگران امکان می‌دهد که دینامیک سیالات جوی را به طور صریح مدل‌سازی کنند و روش‌های نوسان جو زمین را پوشش دهند. این کار به آنها امکان می‌دهد تا تعامل بین جریان‌ها را مطالعه کنند و عدم قطعیت‌ ایجادشده هنگام استفاده از مدل‌های تقریبی را برای پدیده‌هایی مانند ابرها به حداقل برسانند. وضوح یک کیلومتر، شکاف بین مدل‌های اقلیمی و مشاهدات ماهواره‌ای را پر می‌کند، به پژوهشگران امکان می‌دهد از روش‌های داده‌محور بیشتری استفاده کنند و درک بهتری را از فرآیندهای آب‌وهوایی کوتاه‌مدت و بلندمدت ارائه می‌دهد.

اگرچه ابررایانه‌ها در مقیاس در حال رشد هستند اما محاسبات برای دیدن تا فاصله یک کیلومتر اساساً این رشد را از بین خواهند برد. همچنین، چالش ساختاری رایانه‌ نیز وجود دارد. رایانه‌ها دیگر فقط تعدادی واحد CPU متصل به هم نیستند، بلکه شتاب‌دهنده‌هایی مانند GPU را شامل می‌شوند که ساختار کاملاً متفاوتی دارند و انتقال پایگاه‌های کد موجود به آنها می‌تواند دشوار باشد.

به نقل از فوربس، انویدیا اخیراً جدیدترین مدل هوش مصنوعی مولد خود موسوم به «Climate in a Bottle» را معرفی کرد که آب‌وهوای جهانی زمین را با سطح بی‌سابقه‌ای از وضوح شبیه‌سازی می‌کند. این خبر به فاصله‌ کمی پس از اعلام مدل «Aurora» شرکت مایکروسافت منتشر شد که یک مدل پایه هوش مصنوعی است و تحول بزرگی را نه تنها در پیش‌بینی آب‌وهوا، بلکه در پیش‌بینی‌های گسترده زیست‌محیطی نوید می‌دهد. این مدل‌ها تنها چند نمونه از موارد اعلام‌شده هوش مصنوعی و مدل‌سازی پیشگامانه آب‌وهوا هستند و راه را به سوی دوران جدیدی از پیش‌بینی آب‌وهوا باز می‌کنند.

امکانات بی‌نهایتی برای کاربرد سودمند هوش مصنوعی در سازمان‌ها، وابستگی‌های زنجیره تأمین و امنیت عمومی وجود دارد. همچنین، زمزمه‌هایی مبنی بر جایگزینی هوش مصنوعی به جای پیش‌بینی‌های انسانی شنیده می‌شود. با وجود گفت‌وگوهای فراوان پیرامون هوش مصنوعی و آب‌وهوا، ابتدا باید به این موضوع پرداخت که هوش مصنوعی برای آینده پیش‌بینی آب‌وهوا چه معنایی دارد.

غول‌های فناوری مانند گوگل، مایکروسافت و انویدیا منابع بزرگی را صرف مدل‌های هوش مصنوعی پیش‌بینی آب‌وهوا می‌کنند و هر کدام مدعی قابلیت‌های پیشرفته‌ای هستند. مدل «GraphCast» گوگل به دلیل عملکرد بهتر از سیستم‌های پیش‌بینی سنتی خبرساز شد. در همین حال، انویدیا پلتفرم دوقلوی دیجیتال Earth-2 را راه‌اندازی کرد که شرایط آب‌وهوایی و اقلیمی را با جزئیات بی‌سابقه‌ای شبیه‌سازی می‌کند. شرکت «DTN» امسال مدل «DTN Hurricane Threat Index» را راه‌اندازی کرد که از هوش مصنوعی برای ارزیابی خطرات متعدد طوفان فراتر از سرعت باد از جمله موج طوفان، بارندگی، سیل و فعالیت گردبادی استفاده می‌کند. این مدل، تصویر کامل‌تری را از تهدیدات طوفان تا هفت روز پیش از رسیدن به خشکی برای همه مناطق تحت تأثیر ارائه می‌دهد.

این اطلاعیه‌ها هم هیجان و هم گفتگوهایی را در سراسر جامعه هواشناسی ایجاد کرده است. آیا این مدل‌های جدید و قوی، پیش‌بینی آب‌وهوا را متحول خواهند کرد؟ آیا این مدل‌ها نقش هواشناسان را بهبود خواهند بخشید یا نقش آنها را از بین خواهند برد؟ پاسخ دو پرسش اول مثبت و پاسخ پرسش سوم منفی است.

 

تفاوت هوش مصنوعی و انسان در پیش‌بینی آب‌وهوا

هوش مصنوعی دهه‌هاست که در پیش‌بینی آب‌وهوا از انسان‌ها پیشی گرفته است. علم آب‌وهوا مدت‌ها پیش از این که بیشتر صنایع حتی به قابلیت‌های قدرت محاسباتی پی ببرند، آن را پذیرفت زیرا آب‌وهوا چالش اصلی کلان‌داده است.

در سال ۱۹۲۲، «لوئیس فرای ریچاردسون»(Lewis Fry Richardson) فیزیک‌دان و هواشناس انگلیسی اولین سیستم پیش‌بینی عددی آب‌وهوا را توسعه داد. محاسبات او پیچیده بودند اما تا اواخر دهه ۱۹۰۰، رایانه‌ها این محاسبات را به طور کامل به دست گرفتند.

امروزه مدل‌های پیش‌بینی هوش مصنوعی می‌توانند صدها متغیر آب‌وهوایی را طی ۱۰ روز با وضوح جزئی در سطح جهان و در کمتر از یک دقیقه محاسبه کنند. این کار معمولاً با یک ابررایانه ساعت‌ها طول می‌کشد.

با وجود پیشرفت‌های چشمگیر، مدل‌های آب‌وهوایی هوش مصنوعی در حال حاضر محدودیت‌هایی دارند. آنها فقط می‌توانند پیش‌بینی‌های قطعی ارائه دهند، نه پیش‌بینی‌های احتمالی با طیف گسترده‌ای از احتمالات. با وجود این، از آنجا که مدل‌ها خیلی سریع اجرا می‌شوند، می‌توان از آنها برای ایجاد مجموعه‌ای از پیش‌بینی‌ها یا تعداد زیادی پیش‌بینی هم‌زمان استفاده کرد. هواشناسان از داده‌های مجموعه‌ برای تعیین احتمالات و اطمینان در پیش‌بینی استفاده می‌کنند.

پژوهش اخیر «دانشگاه کالیفرنیا» نشان داد که مدل‌های کنونی هوش مصنوعی در پیش‌بینی رویدادهای غیرعادی فراتر از محدوده داده‌های آموزشی موجود شکست می‌خورد. با وجود این، از آنجا که این چشم‌انداز به سرعت در حال تکامل است، مطمئنا روند پردازش و ارائه داده‌ها به مرور زمان بهتر خواهد شد.

انتظار می‌رود که در دهه آینده شاهد جهش فناورانه دیگری در پیش‌بینی با محاسبات کوانتومی و شبکه‌های عصبی مبتنی بر فیزیک باشیم.

هوش مصنوعی و اطلاعات آب‌وهوایی ویژه عملیات

یکی از حوزه‌های هیجان‌انگیزی که هوش مصنوعی امروزه در آن تغییر ایجاد می‌کند، ادغام داده‌های آب‌وهوا و جریان‌های داده ویژه صنعت است. این کار ۲۰ سال پیش از نظر محاسباتی امکان‌پذیر نبود و مطمئناً در زمینه یادگیری ماشینی و تحلیل پیش‌بینی‌کننده نیز امکان اجرا نداشت.

شرکت‌های لجستیک، نمونه بارزی از پذیرش این قابلیت‌ها هستند. به عنوان مثال، سیستم مدیریت موجودی شرکت «آمازون»، پیش‌بینی‌های فصلی آب‌وهوا را برای پیش‌بینی محصولات و سفارشی‌سازی تعهدات تحویل براساس داده‌های در لحظه آب‌وهوایی در خود جای داده است. به طور مشابه، سایر شرکت‌های لجستیک از آب‌وهوا برای مدیریت تأخیر و مدیریت مسیریابی استفاده می‌کنند.

شرکت‌های برق نیز با ادغام داده‌های آب‌وهوایی در داده‌های عملیاتی خود مانند مناطق تحت پوشش، زیرساخت‌ها و ظرفیت خدمه، در موقعیت بهتری برای واکنش به آب‌وهوای نامساعد قرار دارند. پیش‌بینی‌های قطعی برق با استفاده از مدل‌سازی هوش مصنوعی، احتمال قطعی برق در مناطق خاص را حتی یک هفته پیش از وقوع حادثه نشان داده‌اند. تحلیل شرکت DTN نشان داد که این امر می‌تواند مدت زمان قطعی برق را تا ۵۰ درصد کاهش دهد.

هواشناسان اکنون از کارهای طاقت‌فرسای محاسباتی رها شده‌اند تا بر آنچه انسان‌ها به بهترین شکل انجام می‌دهند، تمرکز کنند که عبارتند از تفسیر خروجی‌های مدل، به‌کارگیری دانش محلی و انتقال تأثیرات آب‌وهوایی به تصمیم‌گیرندگان.

هوش مصنوعی در تشخیص الگو و پردازش حجم بزرگی از داده‌ها عالی است اما هواشناسان در درک دنیای ورای پیش‌بینی عالی هستند. آنها علوم پیچیده جوی را به اطلاعات عملی تبدیل می‌کنند؛ به ویژه در سناریوهای آب‌وهوایی که در آنها تصمیم به توقف، ادامه یا مکث می‌تواند در ایمنی یا سود تفاوت ایجاد کند.

 

اثرات مثبت هوش مصنوعی در حوزه برق

افزایش دسترسی به هوش مصنوعی باعث شده است که بسیاری از تصمیم‌گیرندگان در شرکت‌های برق به بررسی چگونگی افزایش پایداری شبکه توسط این فناوری بپردازند تا بتوانند از آن برای بهبود نتایج استفاده کنند.

قطعی شدید یا گسترده برق می‌تواند نیروی کار را تحت فشار قرار دهد و باعث شود مشتریان روزها یا هفته‌ها برای وصل مجدد برق منتظر بمانند. قطع طولانی‌مدت برق در بهترین زمان‌های کار علاوه بر این که ناخوشایند است، می‌تواند برای مشتریانی که به تجهیزات پزشکی تخصصی متکی هستند یا نمی‌توانند محیط‌های بدون کنترل دما را تحمل کنند، یک عامل تهدیدکننده زندگی باشد.

به نقل از مدیوم، یک نمونه از تاثیر قطعی برق بر تکنسین‌های محلی در ژانویه ۲۰۲۵ رخ داد که یکی از شدیدترین طوفان‌های ثبت‌شده تا به آن روز، ایرلند را درنوردید. بادهای بی‌سابقه‌ نیز این رویداد آب‌وهوایی را همراهی کردند و به سقوط بسیاری از خطوط برق و درختان منجر شدند. گروه‌هایی از چندین کشور اروپایی برای کمک به تعمیر آسیب‌ها از راه رسیدند اما آیا پشتیبانی هوش مصنوعی نیز می‌تواند روزی تا همین اندازه سودمند باشد؟

پژوهشگران «دانشگاه بوفالو»(University at Buffalo) و «دانشگاه تگزاس در دالاس»(UTD) امیدوارند چنین شود و با استفاده از هوش مصنوعی، یک شبکه خوددرمانگر ایجاد کنند که مشکلات را بدون دخالت انسان شناسایی و برطرف کند. همچنین، این شبکه می‌تواند به طور خودکار مسیر برق را تغییر دهد تا از قطعی برق جلوگیری شود. اگر آسیب رسیدن به خطوط برق با قطعی جریان برق همراه شود، شبکه خود را با سوئیچ‌ها مجدداً پیکربندی می‌کند و از سایر اجزای شبکه برق مجاور که دچار اختلال نشده‌اند، برق می‌گیرد. هوش مصنوعی این کار را تنها در چند میلی‌ثانیه انجام می‌دهد و آن را بسیار کارآمد می‌کند. اگرچه هدف اول این گروه، استفاده از فناوری شبکه خوددرمانگر خود برای جلوگیری از قطعی برق است اما در مرحله بعد روی رفع مشکلات ناشی از آن کار خواهند کرد. فرض کنید این رویکرد بتواند خطاهای جزئی شبکه را بدون نظارت انسانی برطرف کند و سپس، تکنسین‌ها مشکلات شدیدتر را برطرف کنند.

بسیاری از مردم تا زمانی که قطعی برق رخ ندهد، متوجه نمی‌شوند که چقدر به آن وابسته هستند. افزایش مصرف برق و طوفان‌های شدیدتر موجب می‌شود که مردم موقتاً نتوانند از مزایای برق بهره‌مند شوند. به لطف برنامه‌های هوش مصنوعی مانند موارد ذکرشده در بالا، الگوریتم‌های آموزش‌دیده و قابلیت‌های پیش‌بینی می‌توانند تضمین کنند که شبکه‌های برق با وجود چالش‌های آینده، تا حد امکان کارآمد هستند.