مرصد كوبرنيكوس: كانون الثاني 2025 الأكثر دفئا على الإطلاق

عمان - قالت خدمة تغيّر المناخ التابعة لمرصد كوبرنيكوس والممولة من الاتحاد الأوروبي اليوم الخميس، إن شهر كانون الثاني 2025 كان الأكثر دفئا على الإطلاق على مستوى العالم، حيث كان متوسط درجة الحرارة السطحية أعلى بمقدار 0.79 درجة مئوية مقارنة بمتوسط درجة الحرارة خلال الشهر نفسه في الفترة ما بين عامي 1991 و2000.
وكانت درجة الحرارة أعلى بمقدار 1.75 درجة مئوية عن مستويات ما قبل الثورة الصناعية، فيما ارتفع متوسط درجة الحرارة فوق أراضي أوروبا بمقدار 2.51 درجة فوق متوسط ما تم تسجيله خلال شهر كانون الثاني في الفترة ما بين عامي 1991 إلى 2000.
وأشار التقرير إلى أنه "خارج أوروبا، كانت درجات الحرارة أعلى من المتوسط فوق شمال شرق وشمال غرب كندا، وألاسكا وسيبيريا، كما كانت أعلى من المتوسط فوق جنوب أميركا الجنوبية وأفريقيا، وجزء كبير من أستراليا والقارة القطبية الجنوبية (أنتاركتيكا)".
وبلغ متوسط درجة حرارة سطح البحر بين 60 درجة شمالا و60 درجة جنوبا 20.78 درجة مئوية، وهو ثاني أعلى مستوى مسجل في شهر كانون الثاني على الإطلاق، بعد كانون الثاني 2024.
وقالت سامانثا بورغيس، نائبة مدير خدمة تغيّر المناخ التابعة لمرصد كوبرنيكوس، إن "شهر كانون الثاني 2025 يعد شهرا مفاجئا آخر، حيث استمر في تسجيل درجات الحرارة القياسية التي تم رصدها على مدى العامين الماضيين، على الرغم من تأثير البرودة المؤقت الناجم عن ظروف ظاهرة لا نينيا في المنطقة المدارية من المحيط الهادئ.
ووفقا للتقرير، بلغ امتداد الجليد البحري في القطب الشمالي أدنى مستوياته في شهر كانون الثاني، حيث كان أقل بنسبة 6 بالمئة عن المتوسط.
--(بترا)

جرب ميزات الذكاء الاصطناعي لدينا

اكتشف ما يمكن أن يفعله Daily8 AI من أجلك:

التعلم مع الذكاء الاصطناعيالتحقق من الحقائقتحويل النص إلى كلامملخص الذكاء الاصطناعي

أخبار ذات صلة

سواليف احمد الزعبي

١٢-٠٥-٢٠٢٥

• سواليف احمد الزعبي

كيف ينتج الذكاء الاصطناعي معلومات خاطئة؟

#سواليف تخيّل أنك تخوض امتحان تاريخ دون استعداد كافٍ، وتعتمد فقط على الحدس في الإجابة، فتربط '1776' بالثورة الأمريكية و'هبوط القمر' بعام 1969. هذا تقريباً ما تفعله نماذج اللغة الكبيرة (LLMs) مثل ChatGPT: إنها لا تفهم أو تفكر، بل 'تخمّن' الكلمة التالية بناءً على أنماط شاهدتها في كميات هائلة من النصوص. هذه الحقيقة تؤكد قوة #نماذج #اللغة_الكبيرة وحدودها، وهذا يقودنا إلى السؤال الأهم: إذا كانت النماذج بهذه الذكاء، فلماذا لا تزال ترتكب الأخطاء، أو تهلوس الحقائق، أو تظهر تحيزاً؟ لفهم ذلك، علينا التعمق في كيفية تعلمها، وفق 'إنتريستينغ إنجينيرنغ'. كيف تعمل هذه النماذج؟ تُقسّم اللغة إلى وحدات صغيرة (رموز) مثل 'wash' و'ing'، وتخصص لكل منها وزناً في شبكة عصبية ضخمة، ثم تعدّل هذه الأوزان باستمرار خلال التدريب لتقليل الأخطاء. بمرور الوقت، تتقن هذه النماذج التعرف على الأنماط، لكنها لا 'تعرف' الحقائق، فهي فقط تتوقع ما يبدو صحيحاً. لماذا تخطئ أو تهلوس؟ لأنها تخمّن. هذا التخمين يؤدي أحياناً إلى 'هلوسة' معلومات خاطئة أو مفبركة بثقة، كاختراع مصادر أو استشهادات. هذه ليست أكاذيب متعمّدة، بل نتيجة لعدم تمييز النموذج بين الصحيح والمزيف. وفي التطبيقات العملية، يمكن للهلوسة أن تؤدي إلى عواقب وخيمة، وفي البيئات القانونية والأكاديمية والطبية، يمكن للذكاء الاصطناعي اختلاق قوانين ومصادر أو تشخيص الحالات بثقة تامة دون معرفة تاريخ صحة المريض، وهذا يوضح ضرورة مراجعة البشر لأي محتوى ينتجه الذكاء الاصطناعي والتحقق منه، خاصةً في المجالات التي تعدّ فيها الدقة أمراً بالغ الأهمية. التحيّز والمعرفة القديمة نظراً لأن النماذج تتعلم من بيانات الإنترنت، فهي معرضة لاكتساب التحيزات الثقافية والجندرية والسياسية المتأصلة في تلك البيانات. كما أن 'معرفتها' مجمّدة زمنياً، فإذا تغير العالم بعد آخر تدريب لها، تصبح استنتاجاتها قديمة. لماذا يصعب إصلاح هذه الأخطاء؟ يعمل مدربو الذكاء الاصطناعي مع مليارات الاحتمالات، وتدريبهم مرة أخرى من الصفر مكلف من حيث المال والقدرة الحاسوبية، والأسباب متشعبة، منها: تكلفة تحديث البيانات: تدريب نموذج جديد يتطلب موارد هائلة. غموض 'الصندوق الأسود': لا يمكن دائماً تفسير لماذا أعطى النموذج استجابة معينة. محدودية الرقابة البشرية: لا يمكن فحص كل إجابة يخرج بها النموذج. الحلول المطروحة وللتغلب على هذه المشكلات، يلجأ المطورون إلى: التعلّم المعزز بالتغذية الراجعة البشرية (RLHF)، حيث يقيّم البشر مخرجات النموذج لتحسينه. الذكاء الاصطناعي الدستوري، كما لدى Anthropic، لتدريب النماذج على الالتزام بمبادئ أخلاقية. مبادرة Superalignment من OpenAI، لتطوير ذكاء اصطناعي يتماشى مع القيم الإنسانية دون إشراف دائم. قانون الذكاء الاصطناعي في الاتحاد الأوروبي، الذي يضع قواعد صارمة للأنظمة عالية المخاطر. ما دور المستخدمين؟ #الذكاء_الاصطناعي أداة قوية، لكنه ليس معصوماً. لذا، تظل المراجعة البشرية ضرورية، خاصة في المجالات الحساسة كالقانون والطب والتعليم، فالخطأ الذي يصدر عن الذكاء الاصطناعي، تقع مسؤوليته على البشر، لا على الخوارزميات.

خبرني

٠٩-٠٥-٢٠٢٥

• خبرني

كيف ينتج الذكاء الاصطناعي معلومات خاطئة؟

خبرني - تخيّل أنك تخوض امتحان تاريخ دون استعداد كافٍ، وتعتمد فقط على الحدس في الإجابة، فتربط "1776" بالثورة الأمريكية و"هبوط القمر" بعام 1969. هذا تقريباً ما تفعله نماذج اللغة الكبيرة (LLMs) مثل ChatGPT: إنها لا تفهم أو تفكر، بل "تخمّن" الكلمة التالية بناءً على أنماط شاهدتها في كميات هائلة من النصوص. هذه الحقيقة تؤكد قوة نماذج اللغة الكبيرة وحدودها، وهذا يقودنا إلى السؤال الأهم: إذا كانت النماذج بهذه الذكاء، فلماذا لا تزال ترتكب الأخطاء، أو تهلوس الحقائق، أو تظهر تحيزاً؟ لفهم ذلك، علينا التعمق في كيفية تعلمها، وفق "إنتريستينغ إنجينيرنغ". كيف تعمل هذه النماذج؟ تُقسّم اللغة إلى وحدات صغيرة (رموز) مثل "wash" و"ing"، وتخصص لكل منها وزناً في شبكة عصبية ضخمة، ثم تعدّل هذه الأوزان باستمرار خلال التدريب لتقليل الأخطاء. بمرور الوقت، تتقن هذه النماذج التعرف على الأنماط، لكنها لا "تعرف" الحقائق، فهي فقط تتوقع ما يبدو صحيحاً. لماذا تخطئ أو تهلوس؟ لأنها تخمّن. هذا التخمين يؤدي أحياناً إلى "هلوسة" معلومات خاطئة أو مفبركة بثقة، كاختراع مصادر أو استشهادات. هذه ليست أكاذيب متعمّدة، بل نتيجة لعدم تمييز النموذج بين الصحيح والمزيف. وفي التطبيقات العملية، يمكن للهلوسة أن تؤدي إلى عواقب وخيمة، وفي البيئات القانونية والأكاديمية والطبية، يمكن للذكاء الاصطناعي اختلاق قوانين ومصادر أو تشخيص الحالات بثقة تامة دون معرفة تاريخ صحة المريض، وهذا يوضح ضرورة مراجعة البشر لأي محتوى ينتجه الذكاء الاصطناعي والتحقق منه، خاصةً في المجالات التي تعدّ فيها الدقة أمراً بالغ الأهمية. التحيّز والمعرفة القديمة نظراً لأن النماذج تتعلم من بيانات الإنترنت، فهي معرضة لاكتساب التحيزات الثقافية والجندرية والسياسية المتأصلة في تلك البيانات. كما أن "معرفتها" مجمّدة زمنياً، فإذا تغير العالم بعد آخر تدريب لها، تصبح استنتاجاتها قديمة. لماذا يصعب إصلاح هذه الأخطاء؟ يعمل مدربو الذكاء الاصطناعي مع مليارات الاحتمالات، وتدريبهم مرة أخرى من الصفر مكلف من حيث المال والقدرة الحاسوبية، والأسباب متشعبة، منها: تكلفة تحديث البيانات: تدريب نموذج جديد يتطلب موارد هائلة. غموض "الصندوق الأسود": لا يمكن دائماً تفسير لماذا أعطى النموذج استجابة معينة. محدودية الرقابة البشرية: لا يمكن فحص كل إجابة يخرج بها النموذج. الحلول المطروحة وللتغلب على هذه المشكلات، يلجأ المطورون إلى: التعلّم المعزز بالتغذية الراجعة البشرية (RLHF)، حيث يقيّم البشر مخرجات النموذج لتحسينه. الذكاء الاصطناعي الدستوري، كما لدى Anthropic، لتدريب النماذج على الالتزام بمبادئ أخلاقية. مبادرة Superalignment من OpenAI، لتطوير ذكاء اصطناعي يتماشى مع القيم الإنسانية دون إشراف دائم. قانون الذكاء الاصطناعي في الاتحاد الأوروبي، الذي يضع قواعد صارمة للأنظمة عالية المخاطر. ما دور المستخدمين؟ الذكاء الاصطناعي أداة قوية، لكنه ليس معصوماً. لذا، تظل المراجعة البشرية ضرورية، خاصة في المجالات الحساسة كالقانون والطب والتعليم، فالخطأ الذي يصدر عن الذكاء الاصطناعي، تقع مسؤوليته على البشر، لا على الخوارزميات.

العرب اليوم

٠٨-٠٥-٢٠٢٥

• العرب اليوم

اصطياد الأدمغة لا يكفي!

وجه الرئيس الفرنسي إيمانويل ماكرون نداءً إلى العلماء المهددين في أميركا، قائلاً إن أوروبا كلها باتت ملجأ لهم، مستلهماً نموذج ماري كوري، البولندية التي بنت مجدها في المختبرات الفرنسية. وأصبحت أول امرأة تنال «نوبل». 500 مليون يورو خصصها الاتحاد الأوروبي لهذه الغاية، ومائة مليون من فرنسا، وتسنّ دول أخرى أسنانها على رأسها كندا وبريطانيا، لتخطف العقول الهاربة من الجامعات الأميركية، باعتبارها فرصة لن تتكرر. وهي أدمغة في غالبيتها ليست بأميركية، بل زبدة البحاثة الذين حتى الأمس القريب كانت أميركا حلمهم، والوصول إليها غاية مطامحهم. المثير، أن الدول التي تطلق نداءات، وتنظّر لقيمة العلم، لم تكن بالحماسة نفسها قبل أشهر، وعرف عنها أنها بيئات طاردة للبحث العلمي، بسبب فقر مختبراتها. أيقظت المعضلات الأميركية الدراماتيكية شهوة مستجدة للمعرفة. مع أن الجامعات الفرنسية تعاني نقص الميزانيات، وانخفاض عدد الأساتذة نسبة للطلاب، وشح في تمويل الأبحاث، وتململ وهجرة. التنافس في الخير فضيلة. ألمانيا خصصت أكثر من 15 مليون يورو في برنامجين مختلفين، لإنجاز عقود مع الباحثين الجدد. كندا أخرجت من الأدراج مشروعاً يسمح بالحصول على تصاريح عمل خلال أسبوعين، للمتخصصين في مجال الهندسة والرياضيات والتكنولوجيا. سنغافورة تقدم منحاً بحثيةً في الذكاء الاصطناعي، بالتعاون مع كوريا الجنوبية ونيوزيلندا. بريطانيا مبادراتها الإغوائية سخية، وصلت إلى 50 مليون جنيه، لاستقطاب أصحاب الاختصاص في الذكاء الاصطناعي والطاقة الخضراء. وإسرائيل تعض أصابع الندامة لأنها في وضع لا يسمح لها بإطلاق أكثر من 3 ملايين دولار، غير كافية، لتعوض أولئك الذين هجروها منذ أخذت الديكتاتورية المتطرفة تتوطن، بفضل إصلاحات نتنياهو القضائية. هجرة العقول تعود إلى 2010 وبدء التوتر بين الصين وأميركا واندلاع ازمة شركة «هواوي». شعر العلماء من أصول صينية، أن المناخات لم تعد مواتية. غادر سنوياً بين ألف وألفي عالم عائدين إلى بلادهم. استغلت الصين الفرصة عام 2018 وأطلقت مبادرة لاسترجاعهم، فتسارعت الهجرة، ومن تبقى منهم يقولون إنهم يفكرون جدياً في المغادرة. أجرت مجلة «نيتشر» دراسة أثارت صدمة. 75 في المائة من العلماء المستطلعين يفكرون في ترك الولايات المتحدة. غالبيتهم من الذين يبدأون حياتهم المهنية أو على مشارف الحصول على دكتوراه، ومفضلاتهم، كندا وألمانيا وأستراليا. القمع الذي تعرض له الطلاب كان سبباً، ثم تسريح أساتذة لمواقف أو حتى لعدم اتخاذ موقف. منهم من فقدوا وظائفهم بسبب خفض المساعدات الحكومية، ومن تململ لتهاوي سقف الحرية. ثمة كتب أصبحت ممنوعة، مفردات محظورة، صور تحذف، حقائق علمية يشكك بها. لم يعد غريباً الحديث عن أن الأرض مسطحة، وأن أزمة المناخ بدعة. لكن ما هدد بسحبه الرئيس الأميركي دونالد ترمب من «جامعة كولومبيا» وحدها 400 مليون دولار، وما جمد لـ«جامعة هارفرد»، فخر الجامعات العالمية، مليارات الدولارات. مبالغ تفوق كل ما خصصته الدول الراغبة في جذب العلماء الهاربين مجتمعة. تذهب الذاكرة إلى العلماء الذين هربوا من القمع من أوروبا إلى أميركا، خلال الحرب الثانية. هؤلاء بنوا أميركا، ساهم بعضهم في صناعة القنبلة الذرية، وتطوير الصناعات، والنهضة التكنولوجية. تذكر اليوم هجرة آينشتاين بكثير من الحسرة. حينها فقدت ألمانيا ربع فيزيائييها، 11 منهم حاز «نوبل» قبل أو بعد ذلك. دروس التاريخ ملغومة. ترمب يجد حلول التدهور الاقتصادي والصناعي الحاليين بالعودة إلى نموذج الرئيس هربرت هوفر الذي فرض ضرائب جمركية لحل الكساد الكبير عام 1930، فوقع في المحظور. الأوروبيون يعتقدون أنه يكفي أن يخصصوا بضعة ملايين، ليسترجعوا «عصر الأنوار»، ويكتب لهم الفتح العظيم الذي نالته أميركا على يد مهاجريهم الأفذاذ قبل مائة عام. ما يخسره العالم بتشظي مراكز البحث الأميركية، أكبر مما يتم تصويره. ثمة انهيارات عمودية في مراكز جمعت زبدة طلاب الكوكب، وفرت لهم الثروات، وأمنت لهم التثاقف، وحرية البحث، مع تثمير النتائج بوضعها على تماس مع من يستطيع تنفيذها، والترويج لها. منظومة علمية خلاّقة متكاملة، من تهجين الفكرة وتوليدها وصولاً إلى تحويلها منتجاً، وتسويقها حول العالم، وهو ما يستحيل تعويضه. دافيد جايز، باحث فرنسي، يعتقد أن كل ما يثار حول الفائدة الأوروبية المرتجاة، من هذا الانهيار الكبير، يحجب غابة من الابتكارات العلمية التي تنمو في الصين بسرعة مذهلة. يذكّر أن دراسة أسترالية حديثة بينت أن 37 من أصل 44 مجالاً تكنولوجياً دقيقاً، تقدمت فيه الصين على اميركا، وأوروبا ليست على الخريطة. المسافة شاسعة بين القمة المرتفعة التي يقف عليها كل من القطبين أميركا والصين، وما وصلت إليه كل الدول الأخرى. القادم مثير للغاية، وما نعاينه يبقى سوريالياً. الجميع تحت هول الصدمة، وعلى رأسهم أهل العلم والمعرفة.