Google DeepMind AI ने 10 दिनों के मौसम का सुपर सटीक पूर्वानुमान लगाया

इस साल था एक नॉनस्टॉप परेड चरम मौसम की घटनाओं के बारे में. अभूतपूर्व गर्मी ने विश्व को झुलसा दिया। इस गर्मी पृथ्वी का सबसे गर्म स्थान था 1880 से। कैलिफोर्निया में आकस्मिक बाढ़ और टेक्सास में बर्फीले तूफान से लेकर माउई और कनाडा में विनाशकारी जंगल की आग तक, मौसम संबंधी घटनाओं ने जीवन और समुदायों को गहराई से प्रभावित किया है।

जब इन घटनाओं की भविष्यवाणी करने की बात आती है तो हर सेकंड मायने रखता है। एआई मदद कर सकता है.

इस सप्ताह, Google DeepMind एक एआई जारी किया जो अभूतपूर्व सटीकता और गति के साथ 10-दिवसीय मौसम पूर्वानुमान प्रदान करता है। ग्राफकास्ट नामक यह मॉडल किसी दिए गए स्थान के लिए मौसम से संबंधित सैकड़ों डेटा बिंदुओं पर मंथन कर सकता है और एक मिनट के अंदर पूर्वानुमान उत्पन्न कर सकता है। जब एक हजार से अधिक संभावित मौसम पैटर्न को चुनौती दी गई, तो एआई ने लगभग 90 प्रतिशत मामलों में अत्याधुनिक प्रणालियों को मात दे दी।

लेकिन ग्राफकास्ट केवल वार्डरोब चुनने के लिए अधिक सटीक मौसम ऐप बनाने के बारे में नहीं है।

यद्यपि चरम मौसम पैटर्न का पता लगाने के लिए स्पष्ट रूप से प्रशिक्षित नहीं किया गया है, एआई ने इन पैटर्न से जुड़ी कई वायुमंडलीय घटनाओं को उठाया है। पिछले तरीकों की तुलना में, इसने चक्रवात प्रक्षेप पथों को अधिक सटीक रूप से ट्रैक किया और वायुमंडलीय नदियों - बाढ़ से जुड़े वातावरण में पापी क्षेत्रों का पता लगाया।

ग्राफ़कास्ट ने मौजूदा तरीकों से पहले ही अत्यधिक तापमान की शुरुआत की भविष्यवाणी भी कर दी थी। साथ 2024 और भी गर्म होने वाला है और चरम मौसम की घटनाएं बढ़ रही हैं, एआई की भविष्यवाणियां समुदायों को तैयारी करने और संभावित रूप से जीवन बचाने के लिए मूल्यवान समय दे सकती हैं।

"ग्राफकास्ट अब दुनिया में सबसे सटीक 10-दिवसीय वैश्विक मौसम पूर्वानुमान प्रणाली है, और यह पहले की तुलना में भविष्य में चरम मौसम की घटनाओं की भविष्यवाणी कर सकता है," लेखक लिखा था डीपमाइंड ब्लॉग पोस्ट में।

बरसात के दिनों में

एक सप्ताह पहले भी मौसम के मिजाज की भविष्यवाणी करना एक पुरानी लेकिन बेहद चुनौतीपूर्ण समस्या है। हम कई निर्णय इन पूर्वानुमानों पर आधारित करते हैं। कुछ हमारे रोजमर्रा के जीवन में अंतर्निहित हैं: क्या मुझे आज अपना छाता ले लेना चाहिए? अन्य निर्णय जीवन-या-मृत्यु के हैं, जैसे कब खाली करने या किसी स्थान पर आश्रय देने का आदेश जारी करना है।

हमारा वर्तमान पूर्वानुमान सॉफ़्टवेयर काफी हद तक पृथ्वी के वायुमंडल के भौतिक मॉडल पर आधारित है। मौसम प्रणालियों की भौतिकी की जांच करके, वैज्ञानिकों ने दशकों के डेटा से कई समीकरण लिखे हैं, जिन्हें भविष्यवाणियां उत्पन्न करने के लिए सुपर कंप्यूटर में डाला जाता है।

इसका एक प्रमुख उदाहरण यूरोपियन सेंटर फॉर मीडियम-रेंज मौसम पूर्वानुमान में एकीकृत पूर्वानुमान प्रणाली है। यह प्रणाली हर छह घंटे में भविष्यवाणियां करने के लिए मौसम के पैटर्न की हमारी वर्तमान समझ के आधार पर परिष्कृत गणनाओं का उपयोग करती है, जिससे दुनिया को कुछ सबसे सटीक मौसम पूर्वानुमान उपलब्ध होते हैं।

डीपमाइंड टीम ने लिखा, "यह प्रणाली और आम तौर पर आधुनिक मौसम पूर्वानुमान, विज्ञान और इंजीनियरिंग की विजय है।"

पिछले कुछ वर्षों में, अधिक शक्तिशाली कंप्यूटरों की बदौलत, भौतिकी-आधारित विधियों की सटीकता में तेजी से सुधार हुआ है। लेकिन वे समय लेने वाले और महंगे बने रहते हैं।

यह आश्चर्य की बात नहीं है. मौसम पृथ्वी पर सबसे जटिल भौतिक प्रणालियों में से एक है। आपने तितली प्रभाव के बारे में सुना होगा: एक तितली अपने पंख फड़फड़ाती है, और वातावरण में यह छोटा सा परिवर्तन बवंडर के प्रक्षेप पथ को बदल देता है। यह केवल एक रूपक है, लेकिन यह मौसम की भविष्यवाणी की जटिलता को दर्शाता है।

ग्राफ़कास्ट ने एक अलग दृष्टिकोण अपनाया। भौतिकी को भूल जाइए, आइए अकेले पिछले मौसम के आंकड़ों में पैटर्न खोजें।

एक एआई मौसम विज्ञानी

ग्राफकास्ट एक प्रकार पर निर्मित होता है तंत्रिका नेटवर्क इसका उपयोग पहले अन्य भौतिकी-आधारित प्रणालियों, जैसे द्रव गतिकी, की भविष्यवाणी करने के लिए किया गया था।

इसके तीन भाग हैं. सबसे पहले, एनकोडर प्रासंगिक जानकारी - जैसे, एक निश्चित स्थान पर तापमान और ऊंचाई - को एक जटिल ग्राफ़ पर मैप करता है। इसे एक अमूर्त इन्फोग्राफिक के रूप में सोचें जिसे मशीनें आसानी से समझ सकती हैं।

दूसरा भाग प्रोसेसर है जो विश्लेषण करना और जानकारी को अंतिम भाग, डिकोडर तक पहुंचाना सीखता है। फिर डिकोडर परिणामों को वास्तविक दुनिया के मौसम-भविष्यवाणी मानचित्र में अनुवादित करता है। कुल मिलाकर, ग्राफकास्ट अगले छह घंटों के लिए मौसम के मिजाज की भविष्यवाणी कर सकता है।

लेकिन छह घंटे 10 दिन नहीं होते. यहाँ किकर है. एआई अपने पूर्वानुमानों से सीख सकता है। ग्राफकास्ट की भविष्यवाणियों को इनपुट के रूप में वापस फीड किया जाता है, जिससे यह समय के साथ मौसम की उत्तरोत्तर भविष्यवाणी कर सकता है। टीम ने लिखा, यह एक ऐसी विधि है जिसका उपयोग पारंपरिक मौसम पूर्वानुमान प्रणालियों में भी किया जाता है।

ग्राफकास्ट को लगभग चार दशकों के ऐतिहासिक मौसम डेटा पर प्रशिक्षित किया गया था। फूट डालो और जीतो की रणनीति अपनाते हुए, टीम ने ग्रह को भूमध्य रेखा पर लगभग 17 गुणा 17 मील छोटे टुकड़ों में विभाजित किया। इसके परिणामस्वरूप विश्व को कवर करने वाले दस लाख से अधिक "बिंदु" प्राप्त हुए।

प्रत्येक बिंदु के लिए, एआई को दो बार एकत्र किए गए डेटा के साथ प्रशिक्षित किया गया था - एक वर्तमान, दूसरा छह घंटे पहले - और इसमें पृथ्वी की सतह और वायुमंडल से दर्जनों चर शामिल थे - जैसे तापमान, आर्द्रता, और कई अलग-अलग ऊंचाई पर हवा की गति और दिशा

प्रशिक्षण कम्प्यूटेशनल रूप से गहन था और इसे पूरा करने में एक महीना लगा।

हालाँकि, एक बार प्रशिक्षित होने के बाद, AI स्वयं अत्यधिक कुशल होता है। यह एक मिनट से भी कम समय में एक टीपीयू के साथ 10-दिन का पूर्वानुमान तैयार कर सकता है। टीम ने बताया कि सुपर कंप्यूटर का उपयोग करने वाली पारंपरिक विधियों में गणना करने में घंटों लग जाते हैं।

प्रकाश की किरण

अपनी क्षमताओं का परीक्षण करने के लिए, टीम ने ग्राफकास्ट को मौसम की भविष्यवाणी के लिए मौजूदा स्वर्ण मानक के मुकाबले खड़ा किया।

लगभग 90 प्रतिशत मामलों में एआई अधिक सटीक था। इसने विशेष रूप से तब उत्कृष्ट प्रदर्शन किया जब यह केवल क्षोभमंडल - पृथ्वी के सबसे निकट वायुमंडल की परत और मौसम की भविष्यवाणी के लिए महत्वपूर्ण - के डेटा पर निर्भर था - 99.7 प्रतिशत समय प्रतिस्पर्धा को हराता रहा। ग्राफकास्ट ने भी बेहतर प्रदर्शन किया पंगु-मौसम, एक शीर्ष प्रतिस्पर्धी मौसम मॉडल जो मशीन लर्निंग का उपयोग करता है।

टीम ने ग्राफकास्ट का अगला परीक्षण कई खतरनाक मौसम परिदृश्यों में किया: उष्णकटिबंधीय चक्रवातों पर नज़र रखना, वायुमंडलीय नदियों का पता लगाना और अत्यधिक गर्मी और ठंड की भविष्यवाणी करना। हालांकि विशिष्ट "चेतावनी संकेतों" पर प्रशिक्षित नहीं होने के बावजूद, एआई ने पारंपरिक मॉडलों की तुलना में पहले ही अलार्म बजा दिया था।

मॉडल को क्लासिक मौसम विज्ञान से भी मदद मिली। उदाहरण के लिए, टीम ने मौजूदा चक्रवात ट्रैकिंग सॉफ़्टवेयर को ग्राफ़कास्ट के पूर्वानुमानों में जोड़ा। संयोजन सफल रहा। सितंबर में, एआई ने तूफान ली के प्रक्षेप पथ की सफलतापूर्वक भविष्यवाणी की थी क्योंकि यह पूर्वी तट से नोवा स्कोटिया की ओर बह गया था। सिस्टम ने नौ दिन पहले ही तूफान के आने की सटीक भविष्यवाणी कर दी - पारंपरिक पूर्वानुमान विधियों की तुलना में तीन कीमती दिन तेज।

ग्राफ़कास्ट पारंपरिक भौतिकी-आधारित मॉडल का स्थान नहीं लेगा। बल्कि, डीपमाइंड को उम्मीद है कि यह उन्हें मजबूत कर सकता है। मध्यम दूरी के मौसम पूर्वानुमान के लिए यूरोपीय केंद्र पहले से ही मॉडल के साथ प्रयोग कर रहा है यह देखने के लिए कि इसे उनकी भविष्यवाणियों में कैसे एकीकृत किया जा सकता है। डीपमाइंड अनिश्चितता से निपटने के लिए एआई की क्षमता में सुधार करने के लिए भी काम कर रहा है - जो कि मौसम के तेजी से अप्रत्याशित व्यवहार को देखते हुए एक महत्वपूर्ण आवश्यकता है।

ग्राफकास्ट एकमात्र एआई वेदरमैन नहीं है। डीपमाइंड और गूगल शोधकर्ताओं ने पहले दो बनाए थे क्षेत्रीय मॉडल जो 90 मिनट या 24 घंटे पहले के अल्पकालिक मौसम की सटीक भविष्यवाणी कर सकता है। हालाँकि, ग्राफकास्ट आगे की ओर देख सकता है। जब मानक मौसम सॉफ़्टवेयर के साथ उपयोग किया जाता है, तो संयोजन मौसम की आपात स्थितियों पर निर्णयों को प्रभावित कर सकता है या जलवायु नीतियों का मार्गदर्शन कर सकता है। कम से कम, हम उस छाते को काम पर लाने के निर्णय के बारे में अधिक आश्वस्त महसूस कर सकते हैं।

लेखकों ने लिखा, "हमारा मानना ​​है कि यह मौसम पूर्वानुमान में एक महत्वपूर्ण मोड़ है।"

छवि क्रेडिट: Google डीपमाइंड

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/