نماذج ومنصات الذكاء الاصطناعي

جوجل ووكالة ناسا JPL تكشفان عن نموذج ذكاء اصطناعي لرسم مسارات الميثان العالمية

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

قدمت جوجل ومختبر الدفع النفاث التابع لناسا (JPL) نموذج MAPL-EMIT في 9 سبتمبر 2026، وهو نموذج تعلم عميق يكتشف ويقيس ويحدد موقع سحب الميثان على مستوى العالم باستخدام أداة الأقمار الصناعية EMIT التابعة لناسا، وفقًا إعلان جوجل. صرّحت جوجل أن النموذج، الذي تم تدريبه على 3.6 مليون سحابة ميثان محاكاة فيزيائيًا، يكتشف 50٪ أكثر من السحب مقارنةً بالخبراء البشريين ويحدد أكثر من 23,000 سحابة إضافية على الصعيد العالمي، بما في ذلك سحب في 24 من أكبر 25 مدفن نفايات منتج للانبعاثات في العالم.

النظام، المسمى رسميًا “تحليل الميثان وتحديد موقع السحب باستخدام EMIT”، موصوف في دراسة نشرت في مجلة Proceedings of the National Academy of Sciences (PNAS) من تأليف باحثين في Google Research وJPL، وكذلك في منشور تقني من Google Research بتاريخ 1 سبتمبر 2026، كتبه مهندس البحث فيشال باتشو وعالم البحث ميشيلانجيلو كونسيرفا. كتب باتشو أيضًا إعلان جوجل في 9 سبتمبر.

مراقبة الميثان وجهاز EMIT

يصف إعلان جوجل الميثان بأنه غاز دفيئة قوي يمتلك قدرة تدفئة على مدى مائة عام تعادل 30 مرة قدرة ثاني أكسيد الكربون. وتذكر الدراسة أن القدرة التدفئة العالمية للميثان على مدى 20 عامًا تتراوح بين 81 إلى 86 مرة قدرة CO₂، وتُعزى نحو 25٪ من الاحترار البشري منذ بداية العصر الصناعي إلى هذا الغاز، وتُشير إلى عمره الجوي حوالي تسع سنوات. أكثر من 125 دولة تعهدت بخفض انبعاثات الميثان بنسبة 30٪ بحلول عام 2030 ضمن تعهد الميثان العالمي، وتُظهر الدراسة أن النشاط البشري يُسهم بـ60٪ من إجمالي انبعاثات الميثان العالمية، موزعة بين النفايات (19٪)، والزراعة (44٪)، والطاقة (37٪) ضمن هذا الحصة.

يعمل EMIT، وهو اختصار لـ Earth Surface Mineral Dust Source Investigation، على متن محطة الفضاء الدولية وكان أصلاً مصممًا لرسم خريطة التركيب المعدني في المناطق القاحلة. يسجل الجهاز 285 نطاقًا طيفيًا يمتد من 381 إلى 2,493 نانومتر بدقة مكانية 60 مترًا وعرض مسار 80 كيلومترًا؛ فالتسجيل المئات من النطاقات المميزة لكل بكسل يكشف البصمات الكيميائية لغاز لا يُرى بالعين، كما يوضح منشور Google Research. تقارن الدراسة هذا التكوين مع أدوات رسم الخرائط العالمية مثل TROPOMI، التي تجمع بين عرض مسار يقارب 2,600 كيلومتر ودقة 5.5 × 3.5 كيلومتر لتتبع تركيزات الميثان الخلفية، وهو مقياسٍ خشن لا يسمح بعزل المصادر الفردية.

محول رؤى مدرب على سحب محاكاة

يُعد MAPL-EMIT محول رؤى من طرف إلى طرف يعالج الطيف الإشعاعي الكامل لـ EMIT لاسترجاع تعزيزات الميثان عبر جميع البكسلات في المشهد بشكل مشترك. يدمج النموذج مُشفّر Swin-v2-S يحتوي على نحو 30 مليون معلمة مع مُفكك تشفيري تلافيفي في بنية شبيهة بـ U‑Net، ويؤدي ثلاث مهام في آنٍ واحد: قياس تعزيز الميثان في كل بكسل، تحديد شكل وحدود كل سحابة، وتحديد موقع مصدر كل انبعاث. تُشير الدراسة إلى أن ذلك يشمل فصل السحب المتداخلة من المنشآت المجاورة، وهو سيناريو تقول إن الأساليب الحالية لا تلتقطه بشكل جيد.

نظرًا لعدم وجود مجموعة بيانات معنونة لملايين السحب الواقعية، بنى الفريق خط أنابيب محاكاة فيزيائي يولد 3.6 مليون سحابة اصطناعية باستخدام نماذج نفث لاجرانجية، التي تحاكي انتشار الجسيمات في الهواء، وأدرجها في مشاهد EMIT الحقيقية عبر نقل إشعاعي سطري باستخدام بيانات طيفية من HITRAN. قسّم الباحثون 235,000 بلاطة من EMIT إلى مجموعات تدريب وتحقق واختبار، ودربوا النموذج على 32 شريحة Google TPU لمدة تقارب 96 ساعة. صرّح Google Research أن البيانات الاصطناعية عرّضت النموذج لمعدلات انبعاث متنوعة، وتضاريس مختلفة، وظروف جوية متباينة، مما حسن من قدرته على التعميم على الملاحظات الحقيقية.

التحقق على معايير اصطناعية وعالمية

على معايير العالم الحقيقي، تُظهر الدراسة أن MAPL-EMIT التقط 84٪ من سحب EMIT L2B المُعلمة يدويًا من ناسا عبر مجموعة اختبار مكوّنة من 1,084 حبة EMIT، مع تحديد ما يقرب من 1.5 مرة عدد السحب المحتملة مقارنةً بالمحللين البشريين. انخفض عدد الاكتشافات الأولية للنموذج من 3,672 إلى 2,209 بعد تصفية السحب البرية التي تم اكتشافها في أكثر من 13 من 16 استدلالًا متداخلًا.

لتحديد معدل الإيجابيات الزائفة، شغّل الفريق النموذج على 20,000 حبة حيث كان من المتوقع وجود سحب قليلة. أوردت الدراسة 1,513 اكتشافًا بعد التصفية، تم تقييم 355 منها على أنها محتملة حقيقية من خلال تقييم ملاءمة الطيف؛ أما الـ 1,158 اكتشافًا المتبقية غير المؤكدة، فكانت معظمها فوق تضاريس مرتفعة أو غابات كثيفة، ما يمثل تقديرًا محافظًا بنحو 0.06 سحابة زائفة لكل حبة.

حدّد النموذج سحبًا محتملة في 24 من أكبر 25 مدفن نفايات منتج للانبعاثات في العالم؛ وتشير الدراسة إلى أن أعمالًا سابقة وجدت أن منتج EMIT L2B كشف سحبًا محتملة في 17 من تلك المواقع الـ 25. بالمقارنة مع ملاحظات AVIRIS-3 الجوية المتزامنة، رصد MAPL-EMIT اثنتين من ثلاث سحب قابلة للتمييز دون أي إيجابيات زائفة، بمعدل إشارة إلى ضوضاء قدره 8.60، مقابل 1.21 للفلتر المتطابق المعاد تشكيله من AVIRIS-3 و0.40 للفلتر المتطابق القياسي L2B. في تجارب الإطلاق المُتحكم فيها في ستانفورد التي أُجريت بين 1 أغسطس 2024 و31 ديسمبر 2025 بالقرب من موقع ميداني في أريزونا، رصد النموذج خمسة من سبعة إصدارات ولم يُسجّل أي إيجابيات زائفة في مواقع الإطلاق.

على المعايير الاصطناعية، ارتفعت دقة كل سحابة من 0.80 لأضعف السحب إلى 0.97 لأقوى السحب، وتزايد الاستدعاء من 0.33 إلى 0.93، وكان متوسط خطأ تحديد الموقع المصدر 101 مترًا. تُظهر الدراسة أن النموذج يلتقط سحبًا تتوافق مع معدلات تسرب تتراوح بين 250 إلى 500 كغ/ساعة عند سرعة رياح اسميّة 2.5 م/ث، أي تحسين يتراوح بين 2 إلى 4 أضعاف مقارنةً بالنماذج الحالية، ويصل إلى متوسط الخطأ المطلق النسبي المتناظر 56٪ على الـ 1,084 حبة مقارنةً بـ 117٪ لسحب EMIT L2B.

القيود والإصدارات العامة والخطوات المستقبلية

يُشير المؤلفون إلى أن الإيجابيات الزائفة لا تزال تمثل تحديًا مفتوحًا، خاصةً في التضاريس المعقدة، وأن MAPL-EMIT يُظهر عددًا أكبر بكثير من الإيجابيات الزائفة مقارنةً بالكتالوجات التي راجعها خبراء مثل مجموعات سحب EMIT L2B. تُصنّف كل سحابة في قاعدة البيانات المُصدرة على أنها ذات ثقة منخفضة أو عالية بناءً على درجات ملاءمة الطيف المستندة إلى الفيزياء وعدد الاكتشافات عبر الاستدلالات المتداخلة، ويحذر المؤلفون من أن الكتالوج لا يُتوقع أن يكون مكتملًا، إذ لم تُلتقط حوالي 16٪ من مجموعات سحب EMIT L2B.

إلى جانب الورقة العلمية، أطلقت جوجل قاعدة بيانات السحب العالمية وخرائط تعزيز الميثان كمجموعات في Earth Engine، وتطبيق Earth Engine لعرض البيانات، والنموذج المدرب ومجموعة السحب الاصطناعية على منصة Kaggle، ومكتبة استدلال على GitHub. استُلمت الدراسة في 11 أبريل 2026، وقُبلت في 3 أغسطس 2026، ونُشرت على الإنترنت في 1 سبتمبر 2026؛ وظهرت في مجلّة PNAS المجلد 123، العدد 36، بتاريخ 8 سبتمبر 2026.

يُعلن المؤلفون أن البحوث المستقبلية ستمتد لتشمل خطوط أنابيب متعددة الغازات ومتعددة الأقمار الصناعية، وستتجه نحو تقدير معدل الانبعاث من الطرف إلى الطرف، ما سيوفر تقديرات مباشرة لمعدلات التسرب دون الحاجة إلى دمج الرياح لاحقًا. يلاحظ منشور Google Research أن أجهزة التصوير الطيفي من الجيل التالي التي تُطوّرها ناسا مخطط لها أن تزيد التغطية بمعامل يتراوح بين 30 إلى 50.

جوناس ريف هو محلل منشأ بالذكاء الاصطناعي في Unite.AI، يركز على الذكاء الاصطناعي الإدراكي والذكاء الاصطناعي العام (AGI) والأسس النظرية للذكاء الآلي. يعمل على كيفية ظهور التعلم والاستدلال والذاكرة والاستخراج في الأنظمة البيولوجية والاصطناعية، ورسم الصلات بين هياكل الذكاء الاصطناعي الحديثة والأسئلة القديمة في العلوم الإدراكية وفلسفة العقل.
مع نهج概念ي واعٍ، يبحث جوناس في الإطارات مثل نماذج الاستدلال والأنظمة الوكيلية والاعتراف الناشئ ونظرية التوجيه، بهدف توضيح ما يعنيه التقدم نحو AGI بالفعل - وما لا يعنيه. بدلاً من مطاردة الجداول الزمنية أو الهياج، يؤكد على المبادئ الأولى والصقل المفاهيمي وحدود النماذج الحالية.
المقالات التي كتبها جوناس ريف هي منشأة بالذكاء الاصطناعي ومراجعة بواسطة فريق تحرير Unite.AI لضمان الدقة والوضوح والمناقشة المسؤولة للمفاهيم المتقدمة للذكاء الاصطناعي.