اس سال کی AAAS سالانہ کانفرنس میں CCC نے تین سائنسی سیشنز کی حمایت کی، اور اگر آپ ذاتی طور پر شرکت کرنے کے قابل نہیں تھے، تو ہم ہر سیشن کو دوبارہ ترتیب دیں گے۔ اس ہفتے، ہم سیشن کی جھلکیوں کا خلاصہ کریں گے، "سائنس میں تخلیقی AI: وعدے اور نقصانات" حصہ تین میں، ہم ڈاکٹر ڈنکن واٹسن پیرس، سکریپس انسٹی ٹیوشن آف اوشینوگرافی اور UC سان ڈیاگو میں Halıcıoğlu ڈیٹا سائنس انسٹی ٹیوٹ کے اسسٹنٹ پروفیسر کی پیشکش کا خلاصہ کرتے ہیں۔
میکانو بائیولوجی میں جنریٹو اے آئی پر ڈاکٹر مارکس بوہلر کی پریزنٹیشن کے بعد، ڈاکٹر واٹسن پیرس نے سامعین کی توجہ موسمیاتی سائنس میں تخلیقی AI ایپلی کیشنز کی طرف مبذول کرائی۔ اس نے آب و ہوا اور موسم کے درمیان فرق کو بیان کرتے ہوئے شروع کیا۔ موسم سے مراد قلیل مدتی ماحولیاتی حالات ہیں، جبکہ آب و ہوا طویل مدتی ماحولیاتی حالات کو بیان کرتی ہے۔ مختصر میں، آب و ہوا وہ ہے جس کی آپ توقع کرتے ہیں، موسم وہی ہے جو آپ کو ملتا ہے۔ واٹسن پیرس کا کہنا ہے کہ "آب و ہوا کی ماڈلنگ کے ساتھ ایک سب سے بڑا مسئلہ یہ ہے کہ ہمارے پاس صرف حالیہ اعداد و شمار ہیں جب سے ہم نے آب و ہوا کی پیمائش کرنا شروع کی ہے۔" مستقبل کے موسمی نمونوں اور موسمی واقعات کی پیشین گوئی کرنے والے درست ماڈل بنانا خاص طور پر مشکل ہے، کیونکہ ہم حقیقی دنیا میں نتائج کی تصدیق اس وقت تک نہیں کر سکتے جب تک کہ یہ واقعات رونما نہ ہوں۔ تاہم، مختصر مدت کی پیشین گوئیوں کے لیے، جیسے کہ اگلے تین دنوں میں موسم کی پیشن گوئی، ہم آسانی سے ان ماڈلز کی درستگی کی تصدیق کر سکتے ہیں۔
صنعت کے موسم کے ماڈل پہلے ہی بہت درست ہیں۔ یہ ماڈل قلیل مدتی تخمینوں (~3-7 دن کی پیشن گوئی) کے لیے قومی موسم کی پیشن گوئی کرنے والے ماڈلز کی طرح درستگی کے ساتھ کارکردگی کا مظاہرہ کرتے ہیں۔ تاہم، موسم کی پیشن گوئی کے ساتھ سب سے بڑا مسئلہ ابتدائی موسمی حالات کے نمونے لینا ہے۔ جیسا کہ ڈاکٹر ولیٹ نے اپنی گفتگو میں اشارہ کیا، بہت ہی قدرے مختلف ابتدائی حالات بہت مختلف نتائج دے سکتے ہیں۔ ڈاکٹر واٹسن پیرس کا کہنا ہے کہ یہ موسم کی نقلوں میں درست ہے، جس کے حقیقی دنیا پر اہم اثرات مرتب ہو سکتے ہیں۔ موسم کا نمونہ، جو ذیل میں دکھایا گیا ہے، نے 2017 میں کیلیفورنیا اور اوریگون کے علاقے میں ایک ماحولیاتی دریا متعارف کرایا جس نے اتنی بارش پیدا کی کہ Oroville ڈیم پھٹ گیا، جس سے لاکھوں ڈالر کا نقصان ہوا۔ اس واقعہ کی پیشن گوئی کرنا مشکل تھا، کیونکہ یہ ایک انتہائی واقعہ تھا، ایک آؤٹ لیر تھا۔ مشین لرننگ کی پیشن گوئیاں ہمیں موسم کے مزید شدید واقعات کی پیشین گوئی کرنے کے لیے بہت زیادہ مقدار میں نمونے لینے کی اجازت دیتی ہیں، جس سے ہم ان کے لیے بہتر تیاری کر سکتے ہیں۔
جب محققین آب و ہوا کے نظام کے بارے میں سوچتے ہیں، ڈاکٹر واٹسن پیرس بتاتے ہیں، بڑے پیمانے پر اور وقت کے بڑے ادوار پر نظر ڈالتے ہیں، آخرکار وہ دیکھتے ہیں کہ موسموں پر اوسط بادل کیسے نظر آتے ہیں اور وہ نظاموں کے اعدادوشمار کو دیکھ سکتے ہیں۔ یہ اعدادوشمار زمین کے نظام کی حدود کی حالتوں کے ذریعہ چلائے جاتے ہیں - آنے والی اور باہر جانے والی توانائی کی مقدار۔ جب مسئلہ اس طرح سے تیار کیا جاتا ہے، تو ہم اوسطاً اندازہ لگا سکتے ہیں کہ موسموں کے دوران بادل کہاں ہوں گے، اور ان مختلف پیشین گوئیوں کو بہتر بنانے اور دریافت کرنے کے لیے مشین لرننگ کے استعمال کے مواقع موجود ہیں۔ آب و ہوا کے ماڈلز کا ایک کام تخمینہ لگانا ہے - یہ سمجھنا کہ مستقبل میں مختلف انسانی اثرات کے تحت آب و ہوا کیسے بدلے گی۔ یہ ممکنہ مستقبل کو تلاش کرنے کے لیے بنائے گئے ہیں۔ ایسا کرنے کے لیے، محققین زیادہ قابل فہم سماجی و اقتصادی راستے پیدا کرتے ہیں کہ معاشرہ مستقبل میں کیسے کام کر سکتا ہے۔
ذیل میں ڈاکٹر واٹسن پیرس کی ایک تصویر دکھائی گئی ہے، جس میں دکھایا گیا ہے کہ مستقبل میں معاشرے کے نیچے آنے والے کچھ ممکنہ راستے ہیں جن کو موسمیاتی ماڈلز میں مدنظر رکھنے کی ضرورت ہے۔ بائیں طرف، ایک پائیداری کا ماڈل ہے جو صدی کے آخر تک آب و ہوا کو مجبور کرتا رہتا ہے – گرمی کی مقدار انسانوں کے نظام پر مسلط کرتی ہے – کو نچلی سطح تک۔ دوسری طرف، دائیں طرف جیواشم ایندھن کی ترقی کا منظرنامہ ایک قسم کا بدترین منظرنامہ ہے۔ یہ ان طریقوں کا ایک بہت کم نمونہ ہے جس سے انسانیت 2100 تک پہنچ سکتی ہے۔
عملی طور پر، آب و ہوا کے منظر نامے کا فیصلہ کرتے وقت اور پالیسی سازوں کے ساتھ بات چیت کرتے ہوئے جو اپنے فیصلوں کے اثرات کو سمجھنا چاہتے ہیں، محققین سادہ آب و ہوا کے ماڈل ایمولیٹروں کو تربیت دیتے ہیں۔ یہ ایمولیٹرز مختلف اخراج، جیسے CO2 اور میتھین، اور بلیک کاربن اور سلفیٹ جیسی قلیل المدتی آب و ہوا کی قوتوں کے تخمینے کو مدنظر رکھتے ہیں، اور محققین تربیتی اعداد و شمار کی بنیاد پر ان موسمیاتی ماڈلز کے ردعمل کی تقلید کر سکتے ہیں۔ واٹسن پیرس کا کہنا ہے کہ "ہم ان اخراج کے عالمی اوسط درجہ حرارت کے عالمی ردعمل کے کم و بیش پیچیدہ ماڈلز کو فٹ کر سکتے ہیں۔" "یہ ماڈل مناسب طریقے سے کام کرتے ہیں کیونکہ سائنسدانوں کو بنیادی طبیعیات کی اچھی سمجھ ہے۔ لیکن عالمی اوسط درجہ حرارت میں کوئی بھی نہیں رہتا، اور ہم ان تمام تبدیلیوں کو مختلف طریقے سے محسوس کریں گے، اس لیے علاقائی تبدیلیوں کو سمجھنے کے لیے، سائنس دان عالمی معنی لیتے ہیں اور پیٹرن کی تبدیلی کو علاقائی حالات کے مطابق بناتے ہیں۔ یہ ماڈل اچھی طرح سے کام کرتے ہیں، لیکن وہ اس اثر کو کھو دیتے ہیں جو ان اخراج کا مقامی طور پر ہو سکتا ہے۔ مثال کے طور پر، بلیک کاربن، خاص طور پر، جنوبی ایشیا میں بڑے پیمانے پر خارج ہوتا ہے، اور اس کے اثرات زیادہ تر جنوبی ایشیا میں محسوس کیے جائیں گے۔"
اگر یہ مسئلہ ریگریشن سیٹنگ میں تیار کیا گیا ہے، تو ہم دیکھتے ہیں کہ مشین لرننگ کے مواقع ہوسکتے ہیں۔ "کے حصے کے طور پر موسمیاتی بنچ ڈاکٹر واٹسن پیرس کا کہنا ہے کہ ہم نے ایک سال پہلے جو کاغذ لکھا تھا، "ہم نے کہا تھا کہ ہم گرین ہاؤس گیسوں کے اخراج اور ارتکاز اور سلفیٹ اور بلیک کاربن کے اخراج کے نقشے لے سکتے ہیں اور پیشین گوئیاں دیکھنے کے لیے انہیں براہ راست آب و ہوا کے ماڈلز پر واپس لے جا سکتے ہیں۔ ہمیں اپنے آپ کو درجہ حرارت تک محدود کرنے کی بھی ضرورت نہیں ہے، ہم بارش اور دیگر متغیرات کو مدنظر رکھ سکتے ہیں۔ اس طرح ہم آب و ہوا کے ماڈلز کے ایمولیٹر بنا سکتے ہیں جو پیش گوئی کرتے ہیں کہ ماحولیاتی ماڈل CO2 کی دی گئی مقدار کے لیے کیا پیدا کرے گا اور ہمیں ان ماڈلز کو سپر کمپیوٹر کے بجائے لیپ ٹاپ پر چلانے کی اجازت دیتا ہے۔
ڈاکٹر واٹسن پیرس نے اس کے بعد سڑک کے موسمیاتی پالیسی کے منظر نامے کے درمیان میں روکے ہوئے، عالمی درجہ حرارت کے ردعمل کے 3 مختلف احساسوں کی تصویر دکھائی۔ پہلے دو کالم مشین لرننگ ایمولیٹر ہیں، اور تیسرا ایک مکمل پیچیدگی والا کلائمیٹ ماڈل سمولیشن ہے جس میں سپر کمپیوٹر پر ایک ہفتہ لگا۔ واٹسن پیرس کا کہنا ہے کہ "ان ماڈلز میں سے ہر ایک کے نتائج تقریباً الگ الگ ہیں۔ یہ آب و ہوا کے ماڈل گرمی کے اس نمونے کی درست پیش گوئی کرنے کا بہت اچھا کام کرتے ہیں۔ یہاں تک کہ وہ بارش کے نمونوں کی پیشن گوئی کرنے کا بھی اچھا کام کرتے ہیں۔ یہ ماڈل رسائی اور شرکت کو بہتر بناتے ہیں، اور چھوٹی تنظیموں اور پالیسی سازوں کو بڑی مقدار میں فنڈنگ یا انفراسٹرکچر کی ضرورت کے بغیر موسمیاتی پیشین گوئی اور تلاش میں حصہ لینے کی اجازت دیتے ہیں۔
یہ ماڈل جنریٹیو AI نہیں ہیں، یہ سیدھے ریگریشن ماڈلز ہیں، اور دیا گیا ان پٹ ہمیشہ وہی نتیجہ لوٹائے گا۔ تاہم، موسمی حالتوں کو پیدا کرنے کے لیے موسم کی ممکنہ تقسیم کو لینے کے لیے جنریٹیو اور ڈفیوژن ماڈلز کو استعمال کرنے کے مواقع آج تلاش کیے جا رہے ہیں۔ محققین ان ماڈلز کو مستقبل کی آب و ہوا اور موسم کے نمونوں کی پیشن گوئی کرنے کے لیے استعمال کر رہے ہیں، مختلف آب و ہوا پر مجبور کرنے والے منظرناموں کے پیش نظر۔ "مشکلات باقی ہیں"، ڈاکٹر واٹسن پیرس کہتے ہیں، "کیونکہ ابھی تک پیشین گوئیوں کی تصدیق کے لیے کوئی 'زمینی سچائی' نہیں ہے، اور ہمیں ابھی بھی یہ معلوم کرنے کی ضرورت ہے کہ شماریاتی ماڈلز کی پیمائش کیسے کی جائے، لیکن یہ موسمیاتی پیشین گوئی کا مستقبل ہے، اور میں میں پر امید ہوں کہ یہ ٹولز کلائمیٹ سائنس کے مستقبل کی رسائی، شرکت اور سمجھ میں اضافہ کریں گے۔
پڑھنے کے لیے آپ کا شکریہ، اور اس بلاگ سیریز کی آخری پوسٹ کے لیے کل دیکھتے رہیں، اس پینل کے سوال و جواب کے حصے کا خلاصہ۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://feeds.feedblitz.com/~/874057523/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-%e2%80%93-Part-Three/
- : ہے
- : نہیں
- :کہاں
- 2017
- a
- قابلیت
- ہمارے بارے میں
- رسائی پذیری
- اکاؤنٹ
- درستگی
- درست
- درست طریقے سے
- ایکٹ
- پہلے
- AI
- تمام
- کی اجازت
- اجازت دے رہا ہے
- تقریبا
- پہلے ہی
- بھی
- ہمیشہ
- am
- رقم
- مقدار
- an
- اور
- سالانہ
- ایپلی کیشنز
- کیا
- AS
- ایشیا
- اسسٹنٹ
- At
- وایمنڈلیی
- توقع
- توجہ
- اوسط
- کی بنیاد پر
- BE
- کیونکہ
- شروع ہوا
- کیا جا رہا ہے
- نیچے
- بہتر
- کے درمیان
- سیاہ
- بلاگ
- حد
- تعمیر
- لیکن
- by
- کیلی فورنیا
- کر سکتے ہیں
- کاربن
- کیس
- باعث
- CCC
- سی سی سی بلاگ
- صدی
- تبدیل
- تبدیلیاں
- آب و ہوا
- کالم
- کس طرح
- آنے والے
- بات چیت
- پیچیدہ
- پیچیدگی
- حالات
- کانفرنس
- تخلیق
- نقصان
- اعداد و شمار
- ڈیٹا سائنس
- دن
- دن
- فیصلہ کرنا
- فیصلے
- بیان کرتا ہے
- ڈیزائن
- ترقی
- ڈیاگو
- فرق
- مختلف
- مختلف
- مشکل
- براڈ کاسٹننگ
- براہ راست
- ظاہر
- تقسیم
- do
- ڈالر
- نہیں
- نیچے
- dr
- ڈنکن
- کے دوران
- ہر ایک
- زمین
- آسانی سے
- اخراج
- آخر
- توانائی
- خاص طور پر
- بھی
- واقعہ
- واقعات
- آخر میں
- مثال کے طور پر
- توقع ہے
- بیان کرتا ہے
- کی تلاش
- تلاش
- وضاحت کی
- انتہائی
- محسوس
- خرابی
- اعداد و شمار
- پہلا
- فٹ
- کے لئے
- افواج
- مجبور
- پیشن گوئی
- پیشن گوئی
- جیواشم
- جیواشم ایندھن
- سے
- ایندھن
- مکمل
- فنڈنگ
- مستقبل
- فیوچرز
- پیدا
- پیدا
- پیداواری
- پیداواری AI۔
- حاصل
- GIF
- دی
- گلوبل
- عالمی ردعمل
- Go
- جا
- اچھا
- بہت اعلی
- حکومت کی
- ہاتھ
- ہے
- he
- اس کی
- ہائی
- پر روشنی ڈالی گئی
- کس طرح
- کیسے
- تاہم
- HTTPS
- بھاری
- انسانی
- انسانیت
- انسان
- i
- تصویر
- اثر
- اثرات
- اہم
- نافذ کریں
- کو بہتر بنانے کے
- in
- اضافہ
- انفراسٹرکچر
- ابتدائی
- ان پٹ
- انسٹی ٹیوٹ
- انسٹی
- میں
- متعارف
- مسائل
- IT
- ایوب
- صرف
- رہتا ہے
- بچے
- لیپ ٹاپ
- بڑے پیمانے پر
- بڑے
- سب سے بڑا
- آخری
- سیکھنے
- چھوڑ دیا
- کم
- سطح
- کی طرح
- زندگی
- مقامی طور پر
- لانگ
- دیکھو
- تلاش
- کھو
- کم
- مشین
- مشین لرننگ
- بنا
- نقشہ جات
- زیادہ سے زیادہ چوڑائی
- مئی..
- مطلب
- پیمائش
- میتھین
- مشرق
- شاید
- لاکھوں
- ماڈل
- ماڈلنگ
- ماڈل
- زیادہ
- زیادہ تر
- بہت
- قومی
- ضرورت ہے
- ضرورت ہے
- اگلے
- نہیں
- of
- on
- ایک
- صرف
- پر
- مواقع
- امید
- or
- وریگن
- تنظیمیں
- دیگر
- خود
- باہر
- آؤٹ لیٹر
- خاکہ
- پر
- پینل
- کاغذ.
- حصہ
- شرکت
- شرکت
- خاص طور پر
- منظور
- راستے
- پاٹرن
- پیٹرن
- انجام دیں
- ادوار
- انسان
- طبعیات
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- مناسب
- پالیسی
- پولیسی ساز
- حصہ
- ممکن
- پوسٹ
- پریکٹس
- پیشن گوئی
- پیش گوئی
- کی پیشن گوئی
- پیشن گوئی
- تیار
- پریزنٹیشن
- مسئلہ
- پیدا
- ٹیچر
- اس تخمینے میں
- وعدہ کیا ہے
- سوال و جواب
- رین
- بلکہ
- پڑھنا
- اصلی
- حقیقی دنیا
- ریپپ
- حال ہی میں
- مراد
- خطے
- علاقائی
- محققین
- جواب
- نتیجہ
- نتائج کی نمائش
- واپسی
- ٹھیک ہے
- دریائے
- سڑک
- رن
- کہا
- اسی
- سان
- سان ڈیاگو
- کا کہنا ہے کہ
- پیمانے
- ترازو
- منظر نامے
- منظرنامے
- سائنس
- سائنس
- سائنسی
- سائنسدانوں
- موسم
- دیکھنا
- سیریز
- اجلاس
- سیشن
- قائم کرنے
- مختصر
- دکھایا گیا
- کی طرف
- سادہ
- تخروپن
- نقوش
- حالات
- تھوڑا سا مختلف
- چھوٹے
- So
- سوسائٹی
- سماجی معاشی
- کچھ
- جنوبی
- شروع
- امریکہ
- شماریات
- کے اعداد و شمار
- رہنا
- ابھی تک
- براہ راست
- اس طرح
- مختصر
- سپر کمپیوٹر
- تائید
- پائیداری
- کے نظام
- سسٹمز
- لے لو
- لیا
- لینے
- بات
- کاموں
- اصطلاح
- سے
- کہ
- ۔
- مستقبل
- ان
- ان
- تو
- وہاں.
- یہ
- وہ
- لگتا ہے کہ
- تھرڈ
- اس
- اس ہفتے
- ان
- تین
- وقت
- کرنے کے لئے
- آج
- کل
- لیا
- اوزار
- ٹرین
- ٹریننگ
- سچ
- دیکھتے ہوئے
- تبدیل کر دیا
- دو
- کے تحت
- بنیادی
- سمجھ
- افہام و تفہیم
- جب تک
- us
- استعمال کی شرائط
- کا استعمال کرتے ہوئے
- بالکل
- اس بات کی تصدیق
- بہت
- چاہتے ہیں
- تھا
- راستہ..
- طریقوں
- we
- موسم
- ہفتے
- اچھا ہے
- کیا
- جب
- جبکہ
- جس
- ڈبلیو
- گے
- ساتھ
- بغیر
- کام
- دنیا
- بدترین
- لکھا ہے
- سال
- پیداوار
- تم
- زیفیرنیٹ