Jua AI

Jua AI: نموذج أساسي للواقع يغيّر طريقة توقع الطقس واتخاذ القرارات في القطاعات الحرجة

تسعى شركة Jua الناشئة إلى إعادة تعريف الذكاء الاصطناعي من خلال بناء نموذج أساسي للواقع، وليس مجرد نموذج لغة، بل نظام يفهم القوانين الفيزيائية التي تحكم العالم الحقيقي، بدءًا من الغلاف الجوي وصولًا إلى المجالات المعقدة مثل الطاقة والزراعة والتأمين.

الركيزة الأساسية في تقنية Jua هي EPT-2، وهو نموذج أساسي تم تدريبه على بيانات الغلاف الجوي التي تُعتبر أصعب مجموعة بيانات فيزياء مستمرة سجلتها البشرية، حيث يلتقط الديناميكا السائلة المرتبطة، والديناميكا الحرارية، والنقل الإشعاعي على مستوى الكوكب. وقد أثبت هذا النموذج تفوقه على الأنظمة الرائدة مثل ECMWF وGenCast وAurora وFourCastNet، حيث حقق مهارة مجمعة تساوي 100 (المعيار) في اختبارات 2024، بينما لم تتجاوز النماذج الأخرى 84 في المتوسط.

لكن Jua لا تتوقف عند التنبؤ بالطقس فقط؛ بل تبني فوق هذا النموذج وكيلًا ذكيًا يُدعى Athena، capable of taking objectives — سواء كانت تقليل خطأ التنبؤ، أو تحقيق ألفا في أسواق التنبؤ، أو تسريع البحث الداخلي — وتحقيقها من خلال محاكاة العواقب، واستدعاء الأدوات المناسبة، وحل المشكلات داخل العالم الفيزيائي. هذا الوكيل ليس مجرد أداة تنبؤ، بل حلقة تغذية راجعة: يحسن النموذج العالمي، والذي بدورها يجعل الوكيل أكثر قدرة.

تتركز تطبيقات Jua AI حاليًا على أربعة قطاعات رئيسية:

• الطاقة المتجددة: تحسين توقعات إنتاج الطاقة من الرياح والطاقة الشمسية، مما يساعد شركات مثل TotalEnergies وShell وEnel على تحسين تخطيط الشبكة وتقليل التكاليف.
• الزراعة: تقليل مخاطر الجفاف والفيضانات من خلال توقعات أمطار طويلة المدى دقيقة، مما يدعم قرارات الزراعة والري.
• التأمين: تقييم أفضل للمخاطر المرتبطة بالأحداث الجوية المتطرفة، مما يقلل الخسائر ويحسن تسعير البوالص.
• الخدمات اللوجستية: تجنب التأخيرات في سلاسل التوريد بسبب الطقس السيئ، خاصة في الشحن الجوي والبحري.

ما يميز Jua هو أن تقنيتها ليست نظرية؛ بل تُستخدم في الإنتاج العالمي من قبل شركات Fortune 500، وتجار الطاقة، وصناديق التحوط الرائدة. وقد أظهرت Athena قدرتها على تحقيق ربح من اليوم الأول في صندوق كمي داخلي للشركة، مما يثبت جدواها في الأسواق المالية.

ومع ذلك، فإن Jua لا تدّعي أنها تحل كل مشكلة. فتركيزها الحالي على الغلاف الجوي يعني أن تطبيقها على المجالات مثل التصميم الميكانيكي أو علوم المواد لا يزال في مرحلة التوسع (الخطوة 3 من رؤيتها)، ولا توجد تفاصيل منشورة عن مدى جاهزية النموذج لمجالات مثل turbomachinery أو نقل الحرارة في الوقت الحالي. كما أن طبيعة النموذج الأساسي تعني أنه قد يتطلب خبرة تقنية عالية للاستخدام الفعّال، وليس أداة جاهزة للسوق العام مثل تطبيقات الطقس الاستهلاكية.

للمزيد من التفاصيل التقنية، بما في ذلك التقارير البحثية المنشورة في ICLR وNeurIPS، يمكن زيارة الموقع الرسمي.