كشفت Google DeepMind وGoogle Research عن نموذج WeatherNext 3 للطقس، مع هدف واضح: تقريب التوقعات العالمية من القياسات الفعلية وجعلها أكثر تفصيلاً وتكراراً.
ما الذي أُعلن؟
بحسب التفاصيل المنشورة، ينتج النموذج توقعات كل ساعة بدلاً من دورة كل 6 ساعات، ويصل في متغيرات أساسية إلى دقة مكانية قدرها 5 كيلومترات. وتقول Google إن تقييمات المطر تحسنت 60% مقارنة بالجيل السابق. كما يتعامل النظام مع بيانات أقرب إلى الرصد الخام، ومنها بيانات أقمار صناعية متجددة، ويستهدف محطات جوية بعينها بدلاً من الاكتفاء بمتوسطات شبكية واسعة.
السياق والحدود
تخطط Google لاستخدام بعض مخرجات النموذج في Search وMaps وGemini، وإتاحته للباحثين والعملاء عبر منصاتها السحابية. لكن هذه خطوة تقنية وليست بديلاً فورياً عن هيئات الأرصاد: التوقع العملي يحتاج معايرة محلية، ومراجعة خبراء، ونظام إنذار مسؤول يوضح مستوى الثقة.
ليه ده مهم؟
التحسن في الدقة الزمنية والمكانية قد يفيد الطاقة المتجددة والزراعة والطيران والاستجابة للطقس القاسي. الأهم أن نماذج الطقس أصبحت مثالاً واضحاً على قيمة التعلم العميق خارج روبوتات الدردشة، حيث السرعة وانخفاض تكلفة الحساب يمكن أن يوسعا الوصول إلى توقعات أفضل.
سنفصل بين ما أعلنته الجهة وما أثبتته اختبارات مستقلة، ونحدّث الصورة عندما تظهر وثائق أو نتائج قابلة للتحقق.
المصادر: TechCrunch — 2026-09-03
