Google का डीपमाइंड पारंपरिक पूर्वानुमान विधियों को हराते हुए मशीन लर्निंग को मौसम के पूर्वानुमानों पर लागू करता है

तारों को देखने के बाद से, मनुष्य मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। प्राथमिक और माध्यमिक विद्यालयों में अंग्रेजी की कक्षाएं हमें यह भी बताती हैं कि अधिकांश ब्रिटिश लोगों के अभिवादन की शुरुआत मौसम से होती है। क्या मुझे छाता लाना चाहिए? भारी बारिश में वाहनों के मार्ग की व्यवस्था कैसे करें? बाहरी गतिविधियों के दौरान कौन से सुरक्षा उपाय करने की आवश्यकता है? मौसम का पूर्वानुमान दैनिक जीवन के लिए बहुत महत्व रखता है।

"अल्पकालिक मौसम पूर्वानुमान" अगले 0-12 घंटों में मौसम की प्रवृत्ति के लिए एक पूर्वानुमान है, और "नाउकास्टिंग" एक प्रकार का अल्पकालिक मौसम पूर्वानुमान है, जो विशेष रूप से अगले 0-2 घंटों के लिए मौसम पूर्वानुमान को संदर्भित करता है। , जो एक ऊर्जा स्रोत है। प्रबंधन, समुद्री सेवाएं, बाढ़ चेतावनी प्रणाली, हवाई यातायात नियंत्रण, आदि प्रमुख निर्णय लेने की जानकारी प्रदान करते हैं।

चित्र से: गेटी इमेज

हाल ही में, Google के स्वामित्व वाली AI प्रयोगशाला, डीपमाइंड ने नेचर में एक पेपर प्रकाशित किया। शोध सामग्री मशीन लर्निंग को रेन नाउकास्टिंग पर लागू करना है, और एक डीप जनरेटिव मॉडल (डीप जनरेटिव मॉडल, इसके बाद डीजीएम के रूप में संदर्भित) बनाना है।

पर्यावरण विज्ञान और कृत्रिम बुद्धिमत्ता के गठजोड़ ने अब कास्टिंग के लिए एक नया रास्ता खोल दिया है। डीपमाइंड का मानना ​​है कि मौजूदा आसन्न पूर्वानुमान में दो समस्याएं हैं।

चित्र से: गेटी इमेज

एक ओर, आज का मौसम पूर्वानुमान मुख्य रूप से न्यूमेरिकल वेदर प्रेडिक्शन सिस्टम (NWP) द्वारा संचालित होता है, लेकिन NWP के लिए 2 घंटे के भीतर निकट समय के लिए उच्च-रिज़ॉल्यूशन पूर्वानुमान उत्पन्न करना मुश्किल होता है, और नाउकास्टिंग इस महत्वपूर्ण अंतराल को भर देता है। हालाँकि, मुख्यधारा की नाउकास्टिंग विधियों में भी कमियाँ हैं-महत्वपूर्ण गैर-रेखीय घटनाओं को पकड़ना आसान नहीं है।

दूसरी ओर, हाल के वर्षों में कई मशीन लर्निंग-आधारित जलवायु पूर्वानुमान विधियों का विकास किया गया है। हालांकि ये विधियां कम-तीव्रता वाली वर्षा की सटीक भविष्यवाणी कर सकती हैं, लेकिन वे दुर्लभ मध्यम और भारी बारिश की घटनाओं में अच्छा प्रदर्शन नहीं करती हैं।

पिछले 20 मिनट में अवलोकन रडार अगले 90 मिनट के लिए संभावित भविष्यवाणियां प्रदान करते हैं। चित्र से: दीपमाइंड

संक्षेप में, डीपमाइंड का मानना ​​​​है कि अब कास्टिंग को अधिक मूल्यवान बनाने के लिए, इसे सटीक पूर्वानुमान प्रदान करना चाहिए, अनिश्चितता पर पूरी तरह से विचार करना चाहिए और भारी बारिश के पूर्वानुमानों में सांख्यिकीय रूप से महत्वपूर्ण सुधार करना चाहिए।

साथ ही, मौसम संवेदन में प्रगति ने उच्च-रिज़ॉल्यूशन रडार को उच्च आवृत्तियों पर उपयोग करने की अनुमति दी है, अक्सर हर 5 मिनट में 1 किमी के संकल्प के साथ। ये उच्च-गुणवत्ता वाले डेटा मशीन लर्निंग तकनीक के हस्तक्षेप के अवसर प्रदान करते हैं।

डीपमाइंड के डीजीएम ने डेटा के संभाव्यता वितरण को सीखा और 2016 से 2018 तक ब्रिटिश रडार द्वारा दर्ज की गई बड़ी संख्या में वर्षा घटना डेटा सेट के आधार पर प्रशिक्षित किया गया। प्रशिक्षण के बाद, यह केवल एक सेकंड के लिए एक NVIDIA V100 GPU पर चलने के बाद नाउकास्ट प्रदान कर सकता है। डीपमाइंड का दावा है कि डीजीएम मौसम की घटनाओं की भविष्यवाणी कर सकता है जो संभावित यादृच्छिकता के तहत ट्रैक करना मुश्किल है और सटीक रूप से वर्षा के स्थान की भविष्यवाणी करता है।

अन्य दो विधियों की तुलना में, दीपमाइंड की भविष्यवाणी (ऊपरी दाएं) अधिक सटीक और स्पष्ट है।

56 मौसम विज्ञानियों द्वारा आंका गया, मुख्यधारा के नाउकास्टिंग और अन्य मशीन लर्निंग मॉडल की तुलना में, डीजीएम के पास 1536 किमी × 1280 किमी के क्षेत्र में अधिक यथार्थवादी और सुसंगत नाउकास्टिंग है, अन्य दो की तुलना में 89% मामलों में विधि अधिक है सटीक और व्यावहारिक, और दृष्टिकोण का समय 5 से 90 मिनट है।

जलवायु परिवर्तन के क्षेत्र में आर्टिफिशियल इंटेलिजेंस का अधिक उपयोग होता है। अक्टूबर 2019 में, शोधकर्ताओं ने जलवायु परिवर्तन की कल्पना करने के लिए चरम मौसम की छवियों को उत्पन्न करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग किया। जलवायु के मुद्दों के लिए सामूहिक लामबंदी पैदा करना मुश्किल है।एक कारण यह है कि लोग मानते हैं कि ये परिवर्तन आमतौर पर दूर के समय और स्थान में होते हैं। इसलिए, केवल व्यक्तिगत रूप से प्रासंगिक और यहां तक ​​कि भावनात्मक जानकारी भी वास्तव में प्रभावी संचार उत्पन्न कर सकती है।

दाईं ओर बनाई गई छवि। चित्र से: वेंचरबीट

एक दर्जन से अधिक कृत्रिम बुद्धि संश्लेषण पैटर्न बनाने के लिए शोधकर्ता विभिन्न स्थानों और भवन प्रकारों (जैसे घरों, खेतों, सड़कों, शहरों) की छवियों को इनपुट करते हैं, और फिर मूल्यांकनकर्ताओं से औसत त्रुटि की गणना करने के लिए वास्तविक छवियों और अर्ध-निर्मित छवियों के बीच चयन करने के लिए कहते हैं। दर। इस काम का अंतिम दृष्टिकोण उपयोगकर्ता द्वारा चुने गए स्थान के आधार पर बाढ़, जंगल की आग, उष्णकटिबंधीय चक्रवात और यहां तक ​​कि अधिक विनाशकारी घटनाओं सहित चरम मौसम के तहत सबसे यथार्थवादी छवियों को उत्पन्न करने के लिए मशीन लर्निंग आर्किटेक्चर बनाना है।

चित्र से: गेटी इमेज

"जलवायु परिवर्तन" इस वर्ष का प्रमुख शब्द है। 2021 में, भौतिकी में नोबेल पुरस्कार तीन वैज्ञानिकों को प्रदान किया गया था, जिनमें से दो को "पृथ्वी की जलवायु का एक भौतिक मॉडल बनाने, इसकी परिवर्तनशीलता को मापने, और" के शोध के लिए सम्मानित किया गया था। मज़बूती से ग्लोबल वार्मिंग की भविष्यवाणी"। सीडीपी के अनुसार, एक अंतरराष्ट्रीय गैर-लाभकारी संगठन, दुनिया की 500 सबसे बड़ी कंपनियों को अगले कुछ दशकों में जलवायु परिवर्तन से जुड़ी लागतों को कवर करने के लिए लगभग 1 ट्रिलियन डॉलर का भुगतान करना होगा, जब तक कि वे पहले से सकारात्मक उपाय नहीं करते।

दीपमाइंड के वरिष्ठ शोधकर्ता शाकिर मोहम्मद का मानना ​​है:

जटिल घटनाओं को मॉडल करने, तेजी से भविष्यवाणियां करने और अनिश्चितताओं को व्यक्त करने की क्षमता कृत्रिम बुद्धिमत्ता को पर्यावरण वैज्ञानिकों के लिए एक शक्तिशाली उपकरण बनाती है।

इस स्थिति के अनुरूप, डीपमाइंड के मॉडल और इसी तरह के अन्य मॉडलों में अनुप्रयोगों की एक विस्तृत श्रृंखला हो सकती है, जिससे पूर्वानुमानकर्ताओं को पूर्वानुमान डेटा के लगातार बढ़ते ढेर को ब्राउज़ करने में कम समय बिताने में मदद मिलती है, ताकि पूर्वानुमान के पीछे के अर्थ पर ध्यान केंद्रित किया जा सके।

अंगूर ही एकमात्र फल नहीं हैं।

#Aifaner के आधिकारिक WeChat खाते का अनुसरण करने के लिए आपका स्वागत है: Aifaner (WeChat ID: ifanr), जितनी जल्दी हो सके आपको अधिक रोमांचक सामग्री प्रदान की जाएगी।

ऐ फैनर | मूल लिंक · टिप्पणियां देखें · सिना वीबो