Google ने मौसम पूर्वानुमानों में अनिश्चितता को कम करने के लिए AI मॉडल की घोषणा की

गूगल अनुसंधान ने एक नए जनरेटर की घोषणा की कृत्रिम होशियारी (आईए) शुक्रवार, जो मौसम के पूर्वानुमानों में अनिश्चितता और अशुद्धियों को कम करने में मदद कर सकता है। एआई मॉडल को स्केलेबल एन्सेम्बल एनवेलप डिफ्यूजन सैम्पलर (SEEDS) कहा जाता है, और पारंपरिक संभाव्य मौसम पूर्वानुमान मॉडल का पालन करने के बजाय, एआई मॉडल डीनोइज़िंग के साथ संभाव्य प्रसार मॉडल पर आधारित है। यह पहला मौसम पूर्वानुमान मॉडल नहीं है जिस पर तकनीकी दिग्गज ने काम किया है, क्योंकि यह पहले ही ग्राफकास्ट का अनावरण कर चुका है, जो 10 दिन पहले तक मौसम की भविष्यवाणी करने में सक्षम मॉडल है, और मेटनेट -3, 24- के लिए एक उच्च-रिज़ॉल्यूशन पूर्वानुमान मॉडल है। घंटे का पूर्वानुमान। एक घंटे की अवधि।

यह घोषणा वरिष्ठ सॉफ्टवेयर इंजीनियर लिजाओ ली और गूगल रिसर्च के शोध वैज्ञानिक रॉब कार्वर ने एक प्रेस कॉन्फ्रेंस के दौरान की। ब्लॉग भेजा. टीम ने एक प्रकाशित किया कागज़ साइंस एडवांसेज जर्नल में SEEDS जनरेटिव AI मॉडल पर। घोषणा के अनुसार, एआई मॉडल मौसम पूर्वानुमान को दो अलग-अलग तरीकों से नवीनीकृत करेगा: इसे अधिक सटीक बनाना और मौसम पूर्वानुमान की लागत को कम करना।

आधुनिक मौसम पूर्वानुमान के साथ दो प्रमुख समस्याओं पर प्रकाश डालते हुए, पेपर कहता है कि वर्तमान में मॉडल “संभावित पूर्वानुमान” कहते हैं। अनिवार्य रूप से, वे प्राथमिक पूर्वानुमान उत्पन्न करने के लिए प्रारंभिक स्थितियों पर ध्यान केंद्रित करते हैं और, जैसे-जैसे स्थितियां बदलती हैं और मौसम मॉडल अधिक डेटा प्राप्त करते हैं, मॉडल अधिक सटीक पूर्वानुमान उत्पन्न करने के लिए खुद को सही करता है। Google का कहना है कि यह विधि लंबी अवधि के पूर्वानुमानों में अधिक अनिश्चितता की अनुमति देती है। जब लागत की बात आती है, तो अनुसंधान टीम ने बताया कि बहुत जटिल संख्यात्मक मौसम मॉडल चलाने वाले विशाल सुपर कंप्यूटर, जिसमें सटीक परिणाम प्राप्त करने के लिए पूर्वानुमान लगातार उत्पन्न करना पड़ता है, उच्च लागत पर आ सकते हैं।

शोध पत्र के अनुसार, SEEDS, Google रिसर्च द्वारा विकसित संभाव्य डीनोइज़िंग डिफ्यूज़न मॉडल पर काम करता है। इसे रैंक हिस्टोग्राम, रूट मीन स्क्वायर एरर (आरएमएसई), और कंटीन्यूअस रैंक्ड प्रोबेबिलिटी स्कोर (सीआरपीएस) जैसे कौशल-आधारित मेट्रिक्स पर प्रशिक्षित किया गया था। पेपर का दावा है कि हालांकि मॉडल को नगण्य कम्प्यूटेशनल लागत की आवश्यकता होती है, यह प्रारंभिक पूर्वानुमान की सटीकता में भी सुधार करता है, जिससे एक निश्चित अवधि में कम पूर्वानुमान पीढ़ियों की आवश्यकता होती है।

अनुसंधान दल ने मौसम की भविष्यवाणी करने के लिए एआई मॉडल चलाने के मामलों को भी शामिल किया और पाया कि यह गॉसियन मॉडल की तुलना में अधिक विश्वसनीयता प्रदान करता है। पश्चिमी पुर्तगाल में एक भू-संभावित गर्त के उदाहरण पर प्रकाश डालते हुए, उन्होंने कहा: “हालांकि गॉसियन मॉडल पर्याप्त रूप से सीमांत अविभाज्य वितरण की भविष्यवाणी करता है, लेकिन यह स्थानिक या अंतर-क्षेत्रीय सहसंबंधों को पकड़ने में विफल रहता है। इससे उत्तरी अफ्रीका से गर्म हवा के घुसपैठ पर इन विसंगतियों के प्रभाव का आकलन करना मुश्किल हो जाता है, जो यूरोप में गर्मी की लहरों को बढ़ा सकता है। Google रिसर्च के अनुसार, SEEDS अपने पूर्वानुमानों को बेहतर बनाने के लिए इन कारकों को ध्यान में रखने में सक्षम है। मॉडल की अभी भी सहकर्मी-समीक्षा की आवश्यकता है और, इसकी व्यवहार्यता के आधार पर, इसे एक वाणिज्यिक मॉडल के रूप में विकसित किया जा सकता है।