مایکروسافت از یک ابزار متن‌باز مبتنی بر یادگیری ماشین رونمایی کرد که خطاهای نظام‌مند مدل‌های هواشناسی موجود را اصلاح می‌کند. این روش که «اصلاح احتمالاتی سوگیری» (PBC) نام دارد، به سازمان‌ها امکان می‌دهد پیش‌بینی‌های قابل‌اعتمادتری برای بازهٔ دو تا شش هفتهٔ آینده ارائه کنند. این ابزار روی پردازنده‌های معمولی اجرا می‌شود و به ابررایانه یا پردازنده‌های گرافیکی قدرتمند نیازی ندارد.
PBC چگونه پیش‌بینی‌ها را بهبود می‌دهد؟
PBC سوگیری معمول یک مدل هواشناسی را شناسایی می‌کند—برای مثال، گرایش آن به پیش‌بینی دمای پایین‌تر، چون مدل با داده‌های اقلیمی قدیمی‌تر آموزش دیده است—و سپس خروجی را اصلاح می‌کند. در آزمایش‌ها، این روش دقت مدل مبتنی بر فیزیک مرکز اروپایی پیش‌بینی‌های میان‌مدت هواشناسی (ECMWF) را برای 98 ٪ از اهداف بارش و 92 ٪ از اهداف دما افزایش داد. همچنین دقت سامانهٔ جدیدتر پیش‌بینی هواشناسیِ هوش مصنوعی ECMF را دو برابر کرد.
اهمیت این دستاورد
این نرم‌افزار سبک و رایگان است؛ بنابراین سازمان‌های هواشناسی کوچک‌تر، به‌ویژه در مناطق در حال توسعه، می‌توانند بدون خرید تجهیزات گران‌قیمت از آن استفاده کنند. پیش‌بینی‌های میان‌مدت بهتر، زمان بیشتری برای محافظت از محصولات کشاورزی در اختیار کشاورزان می‌گذارد و به نیروهای امدادی کمک می‌کند برای رخدادهای آب‌وهوایی شدید آماده شوند.
چرا مهم است
برای مردم، پیش‌بینی‌های دقیق‌ترِ دو تا شش هفته زودتر می‌تواند به معنای هشدار زودهنگام‌تر دربارهٔ طوفان یا خشکسالی باشد و فرصت بیشتری برای اقدام در اختیار کشاورزان و مسئولان محلی بگذارد. رایگان و متن‌باز بودن این ابزار یعنی ممکن است به مناطقی هم برسد که پیش‌تر توان پردازشی لازم برای استفاده از مدل‌های پیشرفتهٔ هواشناسی را نداشتند.
