المدينة المنورة – خاص
هل تستطيع آلة أن تستبق حرارة المدينة المنورة بساعة؟ هذا ليس مجرد سؤال عابر .. أنما رحلة علمية واعدة في سماء الابتكار ، الطالب يوسف عشكان يخوض رحلة علمية في عالم التنبؤ الحراري، ويفحص آلاف القراءات الجوية ليختبر قدرة البيانات على استشراف ما ستشهده المدينة من تغيرات في درجات الحرارة.
هل يمكن أن نعرف درجة حرارة الجو بعد ساعة، قبل أن يحين موعدها؟ وهل تستطيع البيانات الجوية أن تمنحنا نافذة نطل منها على المستقبل القريب، وتساعدنا على فهم التغيرات الحرارية في المدن؟
لم يكن هذا السؤال مجرد فضول عابر لدى الطالب يوسف عبدالله عشكان، طالب الصف الثاني الثانوي بثانوية الموهوبين التقنية التابعة لأكاديمية طويق، بل كان نقطة انطلاق لمشروع علمي حمل اسم THERMO-SHIELD AI، حاول من خلاله الاقتراب من أحد الأسئلة التي تجمع بين علوم البيئة والتقنية والذكاء الاصطناعي: إلى أي مدى يمكن التنبؤ بدرجة حرارة الهواء بعد ساعة واحدة؟
بدأت الحكاية من المدينة المنورة، حيث قرر يوسف أن يجعل من بيانات الطقس سجلًا علميًا مفتوحًا للبحث والتحليل. لم يعتمد على الانطباعات أو التوقعات الشخصية، بل اتجه إلى مصدر للبيانات التاريخية للأرصاد الجوية، واستعان ببيانات منصة Open-Meteo التي تغطي الفترة الممتدة من الأول من يناير حتى الحادي والثلاثين من ديسمبر 2024.
وهنا بدأت الرحلة مع الأرقام.
8784 قراءة تحكي قصة عام كامل
أمام يوسف آلاف القراءات الجوية المتتابعة، بلغ عددها 8784 قراءة ساعية، تمثل ساعات عام 2024 بأكمله.
وقد شملت البيانات درجات الحرارة والرطوبة، بعد التحقق من تسلسلها وخلوها من القيم المفقودة أو المكررة في هذين المتغيرين.
لكن الأهم لم يكن جمع البيانات، بل معرفة ما الذي يمكن أن تقوله.
اختار الطالب أن يبدأ باختبار بسيط وواضح: ماذا لو افترضنا أن درجة حرارة الساعة القادمة ستكون هي نفسها درجة حرارة
الساعة الحالية؟ هل سيكون هذا الافتراض قريبًا من الواقع، أم أن حرارة الجو تتغير بسرعة تجعل هذا التوقع غير دقيق؟
قد يبدو السؤال بسيطًا، لكنه يمثل خطوة أساسية في البحث العلمي؛ إذ لا يمكن الحكم على قوة أي نموذج تنبؤي دون مقارنته بمرجع واضح.
وهكذا استخدم يوسف نموذجًا مرجعيًا يفترض استمرار درجة حرارة الساعة السابقة، ثم قارن هذا التقدير بدرجة الحرارة المسجلة فعليًا في الساعة التالية. وكرر العملية على مدار العام، ليحصل في النهاية على 8783 عملية تنبؤ قابلة للمقارنة والتحقق.
ماذا كشفت الأرقام؟
بعد إجراء الحسابات، ظهرت نتيجة تستحق التأمل: بلغ متوسط الخطأ المطلق نحو 1.277 درجة مئوية.
بمعنى أبسط، عندما افترض النموذج أن حرارة الساعة القادمة ستساوي حرارة الساعة السابقة، كان الفرق بين تقديره والقراءة الفعلية يبلغ في المتوسط نحو 1.28 درجة مئوية.
أما مقياس آخر، يعرف بالجذر التربيعي لمتوسط مربعات الأخطاء، فقد بلغ 1.560 درجة مئوية، وهو مقياس يساعد على إظهار أثر الأخطاء الأكبر في التقييم.
هذه الأرقام لا تعني أن المشروع ابتكر حتى الآن نظامًا متقدمًا يتنبأ بالطقس بدقة عالية، لكنها تقدم نتيجة علمية مهمة: إنها تحدد مستوى أداء مرجعيًا يمكن أن تنطلق منه تجارب أكثر تطورًا، لمعرفة ما إذا كانت نماذج التنبؤ قادرة على تحسين النتائج.
يونيو ونوفمبر.. هل تتصرف الحرارة بالطريقة نفسها؟
ولم تتوقف رحلة التحليل عند المتوسط السنوي، فقد أراد يوسف أن يعرف ما إذا كان الخطأ يتغير من شهر إلى آخر.
أظهرت النتائج أن شهر يونيو سجل أعلى متوسط للخطأ، بنحو 1.355 درجة مئوية، بينما سجل شهر نوفمبر أدنى متوسط، بنحو 1.199 درجة مئوية.
وقد تفتح هذه الفروقات بابًا للتساؤل حول علاقة معدل تغير درجات الحرارة بأداء التنبؤ، إلا أنها لا تكفي وحدها لإثبات أن الموسم هو السبب المباشر في ارتفاع الخطأ أو انخفاضه.
كما كشفت المقارنة البيانية أن التوقع المبني على حرارة الساعة السابقة يتأخر عن التغير الفعلي في درجات الحرارة، خصوصًا عندما ترتفع الحرارة أو تنخفض بسرعة.
وهنا تظهر قيمة التحليل العلمي؛ فالأرقام لا تقدم إجابات فقط، بل تفتح أسئلة جديدة تستحق البحث والتجربة.
من البيانات إلى الذكاء الاصطناعي.. رحلة لم تنتهِ بعد
يحمل المشروع اسم THERMO-SHIELD AI، وهو اسم يعكس طموحًا يتجاوز الحسابات الأولية نحو استكشاف إمكانات التقنية في فهم التغيرات الحرارية.
وقد استعان يوسف بأداة AI للمساعدة في إعداد التقرير وتحليل البيانات وبناء صيغ Excel، لكنه لم يكتفِ بالمخرجات التقنية؛ إذ راجع الصيغ بنفسه، وأعاد حساب الخطأ لثلاث ساعات يدويًا، وتأكد من تطابق النتائج.
أما الخطوة المقبلة، فتتمثل في تطوير نماذج أكثر تقدمًا، من بينها Ridge وRandom Forest، إلى جانب بناء واجهة تقنية باستخدام FastAPI، واستكشاف إمكانية إنشاء توأم رقمي يساعد على تمثيل التغيرات الحرارية.
ومن الأفكار التي يمكن اختبارها مستقبلًا دراسة أثر التظليل في درجات الحرارة من خلال قياسات مستقلة، وهي خطوة لم ينفذها المشروع حتى الآن، لكنها تمثل مسارًا بحثيًا محتملًا.
ويؤكد التقرير أن المشروع في مرحلته الحالية لا يقدم نظامًا للإنذار من مخاطر الحرارة، ولا يدّعي امتلاك نموذج ذكاء اصطناعي ثبتت دقته؛ بل يقدم تجربة بحثية أولية قائمة على البيانات والتحقق الحسابي، تمهد الطريق لتطوير نماذج أكثر قدرة على التنبؤ.
حين يبدأ المستقبل بسؤال من طالب
ربما لا تكمن أهمية مشروع يوسف في الرقم الذي انتهى إليه، ولا في الاسم التقني الذي يحمله، بقدر ما تكمن في الطريقة التي بدأ بها: سؤال علمي واضح، وبيانات حقيقية، وتحليل قابل للمراجعة، ونتائج لا تدّعي أكثر مما تثبته.
ففي زمن أصبحت فيه البيانات أحد أهم مصادر المعرفة، لم يعد البحث العلمي حكرًا على المختبرات الكبيرة أو المؤسسات المتخصصة؛ إذ يمكن لطالب يمتلك الفضول العلمي والأدوات المناسبة أن يبدأ رحلة استكشاف حقيقية، ويحوّل سؤالًا يوميًا عن الطقس إلى مشروع يجمع بين العلوم والرياضيات والتقنية.
ومن المدينة المنورة، يضع يوسف عشكان لبنة أولى في هذه الرحلة، تاركًا سؤالًا مفتوحًا للمراحل القادمة: إذا كانت قراءة الساعة الماضية تستطيع أن تمنحنا تقديرًا أوليًا لحرارة الساعة المقبلة، فإلى أي مدى يمكن للذكاء الاصطناعي أن يجعل هذا التقدير أكثر دقة؟
قد تكون الإجابة في آلاف القراءات القادمة، وفي تجارب علمية جديدة تبدأ، كما بدأت هذه القصة، بسؤال واحد.