نماذج الطقس الذكية تسارعت 8 مرات. لماذا يبني الخليج نموذجه الخاص لمواجهة الطقس المتطرف

في ليلة 15 أبريل 2024، أصدر المركز الوطني للأرصاد في الإمارات تحذيرات من أمطار متوقعة تتراوح بين 40 و100 مليمتر على معظم مناطق الدولة. بعد أقل من 48 ساعة، سجلت محطة خاتم الشكلة في العين 254.8 مليمترا خلال 24 ساعة فقط، وفقا لبيانات المركز نفسها كما وثقتها تقارير دولية متعددة. مطار دبي وحده استقبل 164 مليمترا، وهو ما يقارب هطول أمطار سنة كاملة في مدينة تعيش على مناخ صحراوي جاف. النتيجة معروفة: خمسة قتلى، أكثر من 1244 رحلة ملغاة في مطار دبي الدولي خلال يومين، وخسائر تأمينية قدرتها شركة جاي كاربنتر بين 2.9 و3.4 مليار دولار.

هذه الفجوة بين التوقع والواقع ليست قصة عن سوء تقدير بشري بقدر ما هي كشف عن حدود التقنية نفسها. النماذج التقليدية التي تعتمد على معادلات الفيزياء الجوية تكافح مع الأحداث النادرة التي لم تشهدها من قبل بالقدر نفسه. والمفاجأة أن الجيل الجديد من نماذج الذكاء الاصطناعي، رغم كل الضجة حوله، يعاني من المشكلة ذاتها، وربما بصورة أوضح في بعض الحالات. هذا هو جوهر ما يحدث الآن في عالم التنبؤ الجوي: سباق عالمي على السرعة والتكلفة تقوده جوجل ومؤسسات حكومية أمريكية وبريطانية، تقابله فجوة معترف بها علميا في التعامل مع الكوارث الكبرى، وخليج عربي لم يعد يحتمل الانتظار حتى يحل أحد هذه المعضلة نيابة عنه.

ما سنستعرضه في الأسطر التالية ليس قائمة إنجازات تقنية معزولة عن بعضها. إنه خيطان متوازيان يلتقيان في نقطة واحدة: عالميا تتسابق المختبرات الكبرى على تقليص زمن التنبؤ من ساعات إلى ثوان، بينما إقليميا يبني الخليج أدواته الخاصة لأنه أدرك أن السرعة وحدها لم تكن كافية ليلة الفيضان.

في 17 نوفمبر 2025 أعلنت جوجل ديب مايند عن الجيل الثاني من نموذجها "ويذر نكست"، وهو نموذج يولّد مئات السيناريوهات الجوية المحتملة من نقطة بداية واحدة في أقل من دقيقة على معالج تنسوري واحد، مقارنة بساعات كاملة تحتاجها الحواسيب الفائقة لتشغيل النماذج الفيزيائية التقليدية. النموذج الجديد أسرع بثماني مرات من نسخته السابقة، وتفوق عليها في 99.9 بالمئة من المتغيرات وآفاق التنبؤ المختلفة وفقا لمدونة جوجل الرسمية.

بعد أقل من شهر، في 17 ديسمبر 2025، نشرت هيئة المحيطات والغلاف الجوي الأمريكية (نوا) جيلا جديدا من نماذجها التشغيلية: AIGFS وAIGEFS وHGEFS، مبنية جزئيا على تقنية GraphCast التي طورتها جوجل ديب مايند. النتيجة الأهم هنا ليست الدقة فحسب بل التكلفة: نموذج AIGFS ينتج تنبؤا لمدة 16 يوما في نحو 40 دقيقة فقط مستخدما أقل من 0.3 بالمئة من الموارد الحاسوبية التي يستهلكها النموذج التقليدي GFS، بينما يحتاج AIGEFS إلى تسعة بالمئة فقط من موارد نسخته التقليدية، مع تمديد أفق التنبؤ الموثوق بمقدار 18 إلى 24 ساعة إضافية.

هذا التحول ليس رفاهية تقنية. حين تنخفض تكلفة التشغيل بهذا الحجم، يصبح ممكنا تشغيل عشرات النماذج المتوازية لمعايرة أدق، وهو بالضبط ما تحتاجه منطقة كالخليج حيث تتغير الأحوال الجوية بسرعة على مساحات جغرافية محدودة نسبيا.

في 8 يوليو 2026، نشر المكتب البريطاني للأرصاد الجوية بالتعاون مع معهد آلان تورينغ بحثا يقدم نموذجا جديدا أطلقوا عليه اسم "فاست نت"، تيمنا بأحد قطاعات نشرة الأرصاد البحرية البريطانية التاريخية. المشكلة التي يحاول النموذج حلها معروفة بين مختصي الأرصاد باسم "التمويه": ميل نماذج الذكاء الاصطناعي إلى إنتاج توقعات ناعمة ومتوسطة تبدو معقولة إحصائيا لكنها تفتقد الواقعية الفيزيائية، مثل عاصفة تبدو أضعف مما هي عليه فعلا لأن النموذج يوازن بين عدة احتمالات بدلا من أن يحدد سيناريو واحدا واضحا.

اعتمد الفريق البريطاني دالة خسارة معدلة قائمة على التوافقيات الكروية للحفاظ على توزيع الطاقة الجوية عبر المقاييس المختلفة. حين اختبروا النموذج على إعصار إيان لعام 2022 وعاصفة سيوران لعام 2023، أنتج فاست نت بنية أكثر واقعية لمركز العاصفة وعلاقة أدق بين الضغط والرياح، إضافة إلى سرعات رياح قصوى أقرب للواقع في آفاق زمنية أبعد. الأداء العام للنموذج على مقياس الخطأ التربيعي الجذري كان معادلا أو متفوقا على النموذج العالمي التقليدي للمكتب البريطاني.

الأهمية هنا ليست أن فاست نت حل المشكلة نهائيا، بل أنه يظهر أن صنّاع النماذج بدأوا يعترفون علنا بأن السرعة وحدها لا تكفي. البروفيسورة كيرستين ديل، كبيرة مسؤولي الذكاء الاصطناعي في المكتب، تؤكد أن التنبؤات يجب أن تبقى واقعية فيزيائيا وتحافظ على علاقات متسقة بين المتغيرات الجوية حتى تظل مفيدة على المدى الطويل. حتى اسم النموذج نفسه يحمل رسالة مقصودة: فاست نت منطقة بحرية ضمن نشرة الأرصاد البريطانية التاريخية التي أسسها الأدميرال روبرت فيتزروي، أول من وضع نظاما علميا منتظما للتحذير من العواصف في القرن التاسع عشر، وكأن الفريق أراد التذكير بأن هدف التنبؤ الجوي لم يتغير منذ ذلك الحين: حماية الأرواح، لا فقط تسريع الحسابات.

في 4 مايو 2026، نشرت مجلة "ساينس أدفانسز" دراسة قادها الدكتور تشونغوي تشانغ من معهد الإحصاء في معهد كارلسروه للتقنية بألمانيا، بالتعاون مع باحثين من جامعة جنيف، اختبرت ثلاثة من أبرز نماذج الذكاء الاصطناعي للتنبؤ الجوي، وهي GraphCast وPangu-Weather وFuxi، مقابل النموذج الفيزيائي التقليدي HRES التابع للمركز الأوروبي للتنبؤات الجوية متوسطة المدى. النتيجة كانت واضحة: النماذج الثلاثة أظهرت أخطاء أكبر باستمرار عند التعامل مع الأحداث القياسية غير المسبوقة، وقللت من شدة وتكرار موجات الحر والبرد والرياح القصوى.

الأهم في هذه الدراسة هو التفسير. يقول البروفيسور سيباستيان إنجلسكه من جامعة جنيف إن الشبكات العصبية تواجه صعوبة في الاستقراء بشكل موثوق خارج نطاق ما تدربت عليه، أي التنبؤ بقيم لم تُلاحظ من قبل. بمعنى أن النموذج يتعلم من التاريخ، فإذا لم يشهد التاريخ حدثا بهذه الشدة من قبل، يميل النموذج إلى التقليل من احتماليته. ويضيف الدكتور تشانغ أن درجة التقليل تزداد كلما تجاوز الحدث القياسي بيانات التدريب بمسافة أكبر، وينهي بجملة يجدر أن تُقرأ في كل غرفة عمليات طوارئ: "بالنسبة للتطبيقات عالية المخاطر، لا ينبغي الاعتماد على الذكاء الاصطناعي وحده".

هذه ليست دعوة للتخلي عن التقنية، لكنها تحديد دقيق لحدودها. كل الحديث عن توليد تنبؤ في دقيقة واحدة لا يعني شيئا كبيرا إن كان النموذج سيقلل من شأن العاصفة أو موجة الحر التي قد تقتل أشخاصا فعليا حين تحدث.

في 16 ديسمبر 2025 نشرت مجلة "إنتلجنت كلايمت آند إيكو إنفايرونمنت" دراسة قدمها الدكتور جيا شينغ عن نموذج جديد أسموه "ديب ميت"، مصمم خصيصا للتنبؤ طويل المدى حتى 45 يوما مقبلا، وهو مدى يتجاوز بكثير الفترة التي تفقد فيها النماذج التقليدية موثوقيتها عادة، والمحصورة بين 10 و14 يوما. الفكرة التقنية هنا أن ديب ميت يتنبأ بالفترة الكاملة في عملية حسابية واحدة بدلا من تسلسل خطوات قصيرة يتراكم فيها الخطأ، معتمدا على شبكة عصبية تدمج القوانين الفيزيائية مع بيانات مراقبة أرضية عالية الدقة.

مقارنة بالنموذج المرجعي للمركز الأوروبي، سجل ديب ميت انخفاضا في الخطأ يتراوح بين 20 و60 بالمئة، وتحسنا في دقة الأنماط الكبرى وصل إلى 138 بالمئة، وقدرة أعلى بأكثر من 40 بالمئة على رصد موجات الحر والبرد القصوى. والمثير أن تدريب النموذج بالكامل لا يحتاج أكثر من معالج رسومي واحد على مدى 24 ساعة، ما يجعله في متناول مؤسسات أصغر بكثير من عمالقة التقنية.

لكن هنا الشرط: النتائج حتى الآن قائمة على اختبارات أكاديمية محكمة قبل النشر، لا على تشغيل تشغيلي واسع داخل وكالات أرصاد وطنية. والدرس الذي تسحبه دول الخليج من كل ما سبق واضح: كل تحسن في السرعة أو المدى الزمني يجب أن يُختبر مقابل قدرته على التقاط الحدث النادر، لا الأداء المتوسط فقط. يستحق الذكر أيضا أن تمويل هذا البحث جاء من جهات متعددة تشمل المؤسسة الوطنية الأمريكية للعلوم ومشروع فنغيون الصيني للتطبيقات الرائدة والمؤسسة الوطنية الصينية للعلوم الطبيعية، ما يعني أن سباق النماذج طويلة المدى لم يعد حكرا على وادي السيليكون، بل بات ساحة تتنافس فيها مؤسسات أكاديمية أمريكية وأوروبية وصينية في آن واحد.

عودة إلى تلك الليلة في أبريل 2024. الأمطار التي بدأت مساء 15 أبريل وتصاعدت في 16 أبريل قبل أن تهدأ في 17 منه غمرت الإمارات السبع كلها، مع تضرر خاص لدبي والشارقة وعجمان وأبوظبي ورأس الخيمة. مطار دبي الدولي ألغى 1244 رحلة خلال يومين وحوّل 41 رحلة أخرى إلى مطارات مجاورة، فيما تعطل مترو دبي وتقطعت طرق سريعة رئيسية وعلق نحو 200 راكب داخل القطارات. الحكومة الاتحادية خصصت لاحقا مليارين درهم، أي نحو 544.6 مليون دولار، لترميم المنازل المتضررة، بينما قدّرت شركة إعادة التأمين جاي كاربنتر إجمالي الخسائر التأمينية بين 2.9 و3.4 مليار دولار.

ما يجعل هذه الحادثة مرجعا دائما في نقاشات التنبؤ الجوي الخليجي هو التوقيت. المركز الوطني للأرصاد أصدر تحذيرات برتقالية وصفراء قبل العاصفة، ثم تحذيرا أحمر أثناءها، لكن التوقعات الأولية لم تقترب من حجم الهطول الفعلي. الفارق بين الحد الأعلى المتوقع، وهو 100 مليمتر، والهطول الفعلي في العين البالغ 254.8 مليمتر، يتجاوز الضعفين.

هذه ليست مسألة أرقام فحسب، بل مسألة قرارات: كم رحلة كان يمكن أن تُعاد جدولتها مبكرا، وكم منشأة كان يمكن أن تُخلى، لو كان التوقع أقرب للواقع بثلاثة أيام كاملة بدل ساعات معدودة.

في 30 مايو 2026، كشفت صحيفة "ذا ناشيونال" عن نتائج بحث نشرته مجلة "أوربان كلايمت" لفريق من جامعة نيويورك أبوظبي بالتعاون مع جامعة الطيران الإماراتية وجامعة نيويورك الأم، بقيادة الباحث باسط خان. بنى الفريق نموذج شبكة عصبية بيانية يعامل كل محطة من محطات الأرصاد الـ48 المنتشرة في الإمارات كعقدة ضمن شبكة مترابطة، وتم تدريبه على بيانات تمتد من 1990 إلى 2022 مستمدة من المحطات الأرضية والأقمار الصناعية وقاعدة بيانات المركز الأوروبي للتنبؤات الجوية.

النتيجة: دقة تنبؤ بالموجات الحارة بلغت 96 بالمئة عند اختبارها على بيانات 2023 و2024، مقارنة بـ94 بالمئة سجلتها دراسة مشابهة استخدمت التقنية نفسها عام 2023. فارق نقطتين مئويتين قد يبدو ضئيلا على الورق، لكنه يعني عمليا مئات التنبيهات الإضافية الصحيحة قبل موجة حر فعلية بفترة تتراوح بين يومين وثلاثة أيام، وهي مهلة كافية لتحذير كبار السن والأطفال والحوامل وذوي المناعة الضعيفة.

يقول الدكتور خان إن منطقتهم تسخن بمعدل أسرع من مناطق أخرى، مشيرا إلى أن وتيرة الموجات الحارة وشدتها ومدتها في تصاعد منذ التسعينيات، مع تسارع واضح بعد عام 2010. هذا البحث الجامعي، الممول محليا والمنفذ بالكامل داخل الإمارات، يمثل نموذجا لما تسميه دوائر الأرصاد الخليجية التوطين الحسابي: بناء أدوات تنبؤ مصممة خصيصا لمناخ المنطقة، لا مستوردة من نماذج عالمية عامة.

منذ مارس 2025 تشغّل "إنسيبشن"، ذراع الأبحاث في مجموعة جي 42 الإماراتية، بالتعاون مع "سبيس 42" ونفيديا، نظام تنبؤ إقليميا مبنيا على منصة "إيرث تو" التي تدمج نموذج FourCastNet العالمي مع بنية CorrDiff عالية الدقة. ينتج النظام توقعات بدقة مكانية تبلغ كيلومترين على مستوى الإمارات كاملة، مع نسخة أدق تصل إلى 200 متر مخصصة لمدينة أبوظبي.

الرقم اللافت هنا هو الكفاءة الحاسوبية: توليد يوم واحد من التوقعات بدقة 200 متر يستغرق 170 ثانية فقط على معالجات نفيديا H100، مقابل 960 ساعة معالجة مركزية كانت تتطلبها الطريقة التقليدية للوصول إلى الدقة نفسها. هذا فارق يُقاس بالآلاف، لا بالنسب المئوية فقط. المركز الوطني للأرصاد شريك مباشر في المشروع، ويصف مديره العام الدكتور عبدالله المندوس التقنية بأنها قادرة على إحداث ثورة في حلول التنبؤ الجوي وإدارة الكوارث عالية الدقة.

جي 42 لا تخفي طموحها بتصدير هذا النظام خارج الإمارات، مع خطط معلنة للتوسع نحو مناطق أكثر عرضة للمناخ المتطرف في أفريقيا وجنوب آسيا وجنوب شرق آسيا. الفرق بين هذا المسار وبين الاعتماد فقط على نماذج جوجل أو نوا العالمية هو الدقة المكانية: نموذج عالمي بدقة عشرات الكيلومترات لا يلتقط عاصفة رملية محلية أو جيبا حراريا فوق حي سكني واحد، بينما نموذج بدقة 200 متر يفعل ذلك. خلف هذه الأرقام تفاصيل تقنية تستحق التوقف عندها: تدريب النموذج استخدم حتى 64 معالج H100، بينما توزع الاستدلال التشغيلي على 8 معالجات فقط، واحد منها مخصص لنموذج FourCastNet والتوليف الأولي، وسبعة لبنية CorrDiff عالية الدقة. بيانات التدريب دمجت تحليلات ERA5 المرجعية بدقة ربع درجة مع محاكاة نموذج WRF التقليدي على مدى السنوات من 2019 إلى 2023، وهو مزيج يفسر لماذا استطاع النظام أن يقفز من الدقة العالمية الخشنة إلى دقة الحي الواحد في مدينة صحراوية شديدة الحرارة.

بعيدا عن الإمارات، يسير المركز الوطني للأرصاد السعودي في مسار مواز. في تقرير نشر في 23 مايو 2026، كشف المركز عن نموذج أطلق عليه اسم "بيان"، ما زال قيد الاختبار مع توقع إطلاقه رسميا بحلول نهاية 2026، وهو مبني بالكامل بخبرات سعودية محلية وفق تصريح الدكتور تركي حبيب الله، مدير عام البحث والتطوير والابتكار في المركز، الذي أوضح أن العمل على هذه التقنيات بدأ في العام السابق.

الميزة الأبرز في بيان هي السرعة: يولّد تنبؤات خلال ثوان، مقارنة بالنماذج العددية السعودية التقليدية التي تحتاج وقتا أطول بكثير. بدأ تشغيله فعليا لخدمة موسم حج 2026، مع تقارير طقس مخصصة لمواقيت الإحرام ومنى وعرفات تُحدَّث كل 24 ساعة، وتوقعات لعشرة أيام مقبلة، وإحاطات صباحية ومسائية يومية، وتقارير عن حالة الطرق، ومؤشرات إجهاد حراري موجهة لجهات التشغيل الصحي والخدمي. تطبيق "أنوار" التابع للمركز تم تحديثه ليدعم تسع لغات، مع توسيع برامج التوعية إلى خمس لغات إضافية.

هذا المسار السعودي يكمل ولا يكرر ما تفعله الإمارات: بينما تراهن أبوظبي على الدقة المكانية للمدن، تراهن الرياض على تطبيق تشغيلي فوري لحماية تجمع بشري ضخم موسمي يتجاوز عدده الملايين في بيئة صحراوية شديدة الحرارة. النقطة المشتركة بين المسارين أن كليهما يرفض استيراد نموذج عالمي جاهز ويفضل بناء أداة محلية غرضها معروف وواضح.

في أبريل 2026 رفّع الرئيس الشيخ محمد بن زايد رتبة الدكتور عبدالله المندوس إلى مستوى وزير، وهو ما يعكس الثقل السياسي الذي باتت الأرصاد الجوية تحظى به داخل دولة الإمارات. المندوس، الذي يشغل أيضا منصب رئيس المنظمة العالمية للأرصاد الجوية منذ 2023 لفترة مدتها أربع سنوات، حدد أولوياته بوضوح: الذكاء الاصطناعي في التنبؤ الجوي وخدمات المناخ، إلى جانب بنية تحتية متقدمة وأنظمة بيانات وتطوير كوادر بشرية. وتستضيف الإمارات لاحقا هذا العام مؤتمر الأمم المتحدة للمياه لعام 2026، وهو حدث يربط مباشرة بين أمن المياه والتنبؤ الجوي وإدارة مخاطر الكوارث.

الجمع بين هذا المنصب المحلي والدولي ليس تفصيلا بروتوكوليا. حين يقود مسؤول إماراتي واحد أجندة الأرصاد العالمية بينما يشرف في الوقت نفسه على تطوير أنظمة محلية بدقة 200 متر، تصبح الإمارات في موقع قادر على التأثير في المعايير الدولية للتنبؤ الجوي القائم على الذكاء الاصطناعي بدلا من الاكتفاء باستيرادها. هذا نمط يتكرر في قطاعات أخرى من استراتيجية الإمارات التقنية: بناء قدرة محلية أولا، ثم السعي لتصدير المعيار وليس فقط المنتج.

النقطة التي تستحق المتابعة في الأشهر المقبلة هي كيف ستنعكس أولويات المندوس المعلنة، من بنية تحتية وبيانات وكوادر، على شراكات جديدة محتملة مع جوجل أو نوا أو مراكز أبحاث أوروبية تعمل على حل مشكلة الأحداث المتطرفة التي كشفتها دراسة معهد كارلسروه. ولا يمكن فصل هذا التوسع عن سجل المندوس نفسه في تطوير برنامج الاستمطار الإماراتي خلال السنوات الماضية، فالخبرة المتراكمة في التدخل الجوي المباشر لتوليد الأمطار تمنحه فهما نادرا لحدود التنبؤ التقليدي، وهو ما يفسر إصراره المتكرر على أن يكون الذكاء الاصطناعي أداة تكميلية للبنية التحتية القائمة لا بديلا متسرعا عنها.

اجمع كل ما سبق وستحصل على صورة واضحة. النماذج العالمية أصبحت أسرع بمقدار مذهل وأرخص إلى حد يقارب الصفر في تكلفة التشغيل. هذا مكسب حقيقي لخدمات الطقس اليومية: تطبيقات الجوال والخرائط ومحركات البحث ستستمر في تحسين دقتها التلقائية دون أن يشعر المستخدم العادي بأي تغيير سوى تنبيهات أدق قليلا. لكن من يدير مطارا أو شركة تأمين أو منشأة بترولية بحرية أو موسما دينيا يستقبل ملايين الزوار، لا يمكنه الاكتفاء بهذا المكسب وحده. عليه أن يسأل سؤالا محددا واحدا: هل اختُبر هذا النموذج تحديدا مقابل الحدث النادر الذي لم يحدث من قبل بهذه الشدة؟

إجابة الخليج على هذا السؤال حتى الآن ليست الانتظار، بل بناء نماذج محلية، جامعية كما في أبوظبي، وتشغيلية كما في السعودية، تعمل جنبا إلى جنب مع الأنظمة العالمية دون أن تحل محلها بالضرورة. النتيجة العملية لأي شركة أو مؤسسة تعمل في المنطقة يجب أن تكون مزدوجة: الاستفادة من رخص وسرعة النماذج العالمية الجديدة في التخطيط اليومي، مع الاعتماد على المصادر المحلية تحديدا، المركز الوطني للأرصاد في الإمارات، والمركز الوطني للأرصاد في السعودية، عند اقتراب موسم حراري متطرف أو منخفض جوي غير مسبوق. من يخلط بين الاثنين، ظنا منه أن سرعة النموذج تعني بالضرورة دقته في أسوأ السيناريوهات، قد يكرر خطأ ليلة 15 أبريل 2024.

Google DeepMind: WeatherNext 2

NOAA deploys new generation of AI-driven global weather models

Met Office: New research shows AI can produce trustworthy, physically realistic weather forecasts

KIT: Physics-based Weather Models More Reliable Than AI for Extreme Events

Science Advances: Physics-based models outperform AI weather forecasts of record-breaking extremes

EurekAlert: AI breakthrough boosts long-range weather forecasting accuracy (DeepMet)

The National: AI technology forecasts UAE heatwaves with 96% accuracy

NVIDIA: Earth-2 Powers Regional AI Weather Forecasting in the UAE

G42: G42 Collaborates with NVIDIA to Deliver Next-Generation Climate Solutions Using Earth-2

The National: UAE investing in advanced forecasting systems, meteorology chief says

Hajj Reporters: NCM launches AI-powered weather forecasts for Hajj pilgrims

Wikipedia: 2024 United Arab Emirates floods

UAE Ministry of Foreign Affairs: Mobilizing Global Efforts on Water Solutions ahead of 2026 UN Water Conference