Google Announces Generative AI Model to Mitigate the Uncertainty in Weather Forecasting
गूगल रिसर्च ने शुक्रवार को एक नए जनरेटिव आर्टिफिशियल इंटेलिजेंस (AI) मॉडल की घोषणा की जो मौसम पूर्वानुमान में अनिश्चितता और अशुद्धियों को कम करने में मदद कर सकता है। AI मॉडल को स्केलेबल एनसेंबल एनवेलप डिफ्यूजन सैंपलर (SEEDS) नाम दिया गया है, और मौसम पूर्वानुमान के पारंपरिक संभाव्य मॉडल का पालन करने के बजाय, AI मॉडल डेनोइजिंग डिफ्यूजन संभाव्य मॉडल पर आधारित है। यह पहला मौसम पूर्वानुमान मॉडल नहीं है जिस पर तकनीक की दिग्गज कंपनी काम कर रही है, क्योंकि इसने पहले ग्राफकास्ट का अनावरण किया है, एक मॉडल जो 10 दिन पहले तक मौसम की भविष्यवाणी कर सकता है, और मेटनेट-3, 24 घंटे की अवधि के लिए एक उच्च-रिज़ॉल्यूशन पूर्वानुमान मॉडल है।
यह घोषणा वरिष्ठ सॉफ्टवेयर इंजीनियर लिजाओ ली और गूगल रिसर्च के शोध वैज्ञानिक रॉब कार्वर ने एक ब्लॉग पोस्ट में की। टीम ने साइंस एडवांसेज जर्नल में जनरेटिव एआई मॉडल SEEDS पर एक पेपर प्रकाशित किया है। घोषणा के अनुसार, एआई मॉडल दो अलग-अलग तरीकों से मौसम पूर्वानुमान में नवाचार करेगा – इसे और अधिक सटीक बनाना और मौसम की भविष्यवाणी करने की लागत को कम करना।
आधुनिक मौसम पूर्वानुमान में दो प्रमुख मुद्दों पर प्रकाश डालते हुए, पेपर ने कहा कि अभी मॉडल “संभाव्य पूर्वानुमान” नामक कुछ चलाते हैं। अनिवार्य रूप से, वे प्राथमिक पूर्वानुमान उत्पन्न करने के लिए प्रारंभिक स्थितियों पर ध्यान केंद्रित करते हैं और जैसे-जैसे स्थितियाँ आगे बढ़ती हैं और मौसम मॉडल को अधिक डेटा प्राप्त होता है, मॉडल अधिक सटीक पूर्वानुमान उत्पन्न करने के लिए खुद को सही करता है। Google का कहना है कि यह विधि लंबी अवधि की भविष्यवाणियों में अधिक अनिश्चितता की अनुमति देती है। लागतों पर, शोध दल ने इस बात पर प्रकाश डाला कि अत्यधिक जटिल संख्यात्मक मौसम मॉडल चलाने वाले विशाल सुपरकंप्यूटर, जहाँ सटीक परिणाम प्राप्त करने के लिए पूर्वानुमानों को लगातार उत्पन्न करने की आवश्यकता होती है, उच्च लागत चला सकते हैं।
शोध पत्र के अनुसार, SEEDS, शोर-विहीन प्रसार संभाव्यता मॉडल पर काम करता है, जिसे Google Research द्वारा विकसित किया गया था। इसे रैंक हिस्टोग्राम, रूट-मीन-स्क्वेर्ड त्रुटि (RMSE) और निरंतर रैंक की गई संभाव्यता स्कोर (CRPS) जैसे कौशल-आधारित मीट्रिक पर प्रशिक्षित किया गया था। शोध पत्र का दावा है कि जबकि मॉडल एक नगण्य कम्प्यूटेशनल लागत चलाता है, यह प्रारंभिक भविष्यवाणी की सटीकता में भी सुधार करता है, जिससे किसी विशेष समय अवधि के दौरान कम संख्या में पूर्वानुमान उत्पन्न करने की आवश्यकता होती है।
शोध दल ने मौसम की भविष्यवाणी करने के लिए AI मॉडल चलाने के उदाहरणों को भी शामिल किया और पाया कि यह गॉसियन मॉडल की तुलना में अधिक विश्वसनीयता प्रदान करता है। पुर्तगाल के पश्चिम में एक भू-संभावित गर्त के उदाहरण पर प्रकाश डालते हुए, इसने कहा, “हालांकि गॉसियन मॉडल सीमांत एकतरफा वितरण की पर्याप्त रूप से भविष्यवाणी करता है, लेकिन यह क्रॉस-फील्ड या स्थानिक सहसंबंधों को पकड़ने में विफल रहता है। यह उन प्रभावों के आकलन में बाधा डालता है जो इन विसंगतियों का उत्तरी अफ्रीका से गर्म हवा के घुसपैठ पर हो सकता है, जो यूरोप में गर्मी की लहरों को बढ़ा सकता है।” Google रिसर्च के अनुसार, SEEDS अपनी भविष्यवाणी को बेहतर बनाने के लिए इन कारकों को ध्यान में रखने में सक्षम है। मॉडल की अभी समीक्षा होनी बाकी है, और इसकी व्यवहार्यता के आधार पर, इसे बाद में एक व्यावसायिक मॉडल के रूप में विकसित किया जा सकता है।
