આજના હવામાનની આગાહીઓ જટિલ મોડેલો પર આધારિત છે જે વાતાવરણ અને મહાસાગરોની ગતિશીલતાને સંચાલિત કરતા કાયદાઓને સમાવિષ્ટ કરે છે અને આ મોડેલો અસ્તિત્વમાં રહેલા કેટલાક સૌથી શક્તિશાળી સુપર કોમ્પ્યુટર પર ચાલે છે. જોકે, આલ્ફાબેટ (ગૂગલની પેરેન્ટ કંપની) એ ડીપમાઇન્ડ દ્વારા વિકસિત આર્ટિફિશિયલ ઇન્ટેલિજન્સનો આભાર, વ્યક્તિગત કમ્પ્યુટરના કદના સિંગલ મશીનનો ઉપયોગ કરીને માત્ર એક મિનિટમાં આગામી 10 દિવસ માટે વૈશ્વિક હવામાનની આગાહી કરવામાં સફળ રહી છે. આ Google AI હવામાનની આગાહી કરે છે અને આ હમણાં જ શરૂ થયું છે.
આ લેખમાં અમે તમને જણાવવા જઈ રહ્યા છીએ કે Google AI હવામાનની આગાહી કેવી રીતે કરે છે અને આ ટેક્નોલોજી કેવી રીતે વિકસિત થઈ છે.
Google AI હવામાનની આગાહી કરે છે
આશ્ચર્યજનક રીતે, આ AI સિસ્ટમ લગભગ દરેક પાસામાં સૌથી આધુનિક હવામાન આગાહી પ્રણાલીઓને પાછળ રાખી દે છે. રસપ્રદ વાત એ છે કે આ વખતે આર્ટિફિશિયલ ઈન્ટેલિજન્સ માનવ બુદ્ધિને બદલવાને બદલે તેના પૂરક તરીકે કામ કરી રહી છે.
યુરોપિયન સેન્ટર ફોર મીડિયમ-રેન્જ વેધર ફોરકાસ્ટ્સ (ECMWF) પાસે અદ્ભુત રીતે અદ્યતન સિસ્ટમ છે જેણે ગયા વર્ષે તેની આગાહી ક્ષમતાઓમાં સુધારો કરીને મોટો સુધારો કર્યો હતો. બોલોગ્ના, ઇટાલીમાં તેની સુવિધાઓ પર હોસ્ટ કરવામાં આવ્યું, અંદાજે XNUMX લાખ પ્રોસેસરથી સજ્જ સુપર કોમ્પ્યુટર છે (વ્યક્તિગત કમ્પ્યુટરમાં જોવા મળતા બે અથવા ચારથી વિપરીત) અને 30 પેટાફ્લોપ્સની અસાધારણ કમ્પ્યુટિંગ શક્તિ, જે પ્રતિ સેકન્ડે 30.000 ટ્રિલિયન ગણતરીઓ સમાન છે.
આ અપાર કોમ્પ્યુટેશનલ ક્ષમતા તેના એક ટૂલ્સ, હાઇ રિઝોલ્યુશન ફોરકાસ્ટિંગ (HRES) માટે જરૂરી છે, જે મધ્યમ ગાળાના વૈશ્વિક હવામાન પેટર્નની ચોક્કસ આગાહી કરે છે, જે તેઓ સામાન્ય રીતે નવ કિલોમીટરના પ્રભાવશાળી અવકાશી રીઝોલ્યુશન સાથે 10 દિવસ સુધી ચાલે છે. આ આગાહીઓ વિશ્વભરના હવામાનશાસ્ત્રીઓ દ્વારા આપવામાં આવતી હવામાનની આગાહીના આધાર તરીકે કામ કરે છે. તાજેતરમાં, ગ્રાફકાસ્ટ, ગૂગલ ડીપમાઇન્ડ દ્વારા વિકસિત કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ હવામાનની આગાહીમાં આ પ્રચંડ સિસ્ટમની ક્ષમતાઓને માપવા માટે કરવામાં આવ્યો છે.
AI અભ્યાસ પરિણામો
સાયન્સ જર્નલમાં મંગળવારે પ્રકાશિત થયેલા સરખામણી પરિણામો દર્શાવે છે કે ગ્રાફકાસ્ટ અસંખ્ય હવામાન પરિબળોની આગાહી કરવામાં HRES કરતાં આગળ છે. અભ્યાસ મુજબ, તપાસવામાં આવેલા 90,3 મેટ્રિક્સમાંથી 1.380%માં Google નું મશીન ECMWF ને આઉટપરફોર્મ કરે છે.
જ્યારે માત્ર ટ્રોપોસ્ફિયર પર ધ્યાન કેન્દ્રિત કરવામાં આવે છે, ત્યારે વાતાવરણીય સ્તર જ્યાં મોટાભાગની હવામાન ઘટનાઓ બને છે, અને ઊર્ધ્વમંડળમાંથી ડેટાને બાદ કરતાં, જે પૃથ્વીની સપાટીથી આશરે 6 થી 8 કિલોમીટર ઉપર છે, આર્ટિફિશિયલ ઇન્ટેલિજન્સ (A.I.) ) માનવ-નિરીક્ષિત સુપરકોમ્પ્યુટર્સ કરતાં 99,7% ની સરખામણીમાં આગળ છે. કેસો ચલોનું વિશ્લેષણ કર્યું. આશ્ચર્યજનક રીતે, આ સિદ્ધિ એક મશીનનો ઉપયોગ કરીને હાંસલ કરવામાં આવી હતી જે ટેન્સર પ્રોસેસિંગ યુનિટ અથવા TPU તરીકે ઓળખાતા પર્સનલ કોમ્પ્યુટર જેવું જ છે.
ગૂગલ ડીપમાઇન્ડના સંશોધક અલ્વારો સાંચેઝ ગોન્ઝાલેઝના જણાવ્યા અનુસાર, TPU એ વિશિષ્ટ હાર્ડવેર છે જે સમાન કદ જાળવી રાખીને, સામાન્ય પીસીની સરખામણીમાં વધુ કાર્યક્ષમ તાલીમ અને આર્ટિફિશિયલ ઇન્ટેલિજન્સ સોફ્ટવેરનો અમલ પ્રદાન કરે છે. જેમ કોમ્પ્યુટરનું ગ્રાફિક્સ કાર્ડ રેન્ડરીંગ ઈમેજીસ પર ધ્યાન કેન્દ્રિત કરે છે, તેમ TPU ને મેટ્રિક્સ ઉત્પાદનોમાં શ્રેષ્ઠ બનાવવા માટે ડિઝાઇન કરવામાં આવે છે. ગ્રાફકાસ્ટ તાલીમ માટે, અમે કેટલાંક અઠવાડિયા દરમિયાન 32 TPU નો ઉપયોગ કર્યો. જો કે, એકવાર તાલીમ પૂર્ણ થઈ જાય, એક TPU એક મિનિટ કરતાં પણ ઓછા સમયમાં આગાહીઓ જનરેટ કરી શકે છે, ઉપકરણના નિર્માતાઓમાંના એક, સાંચેઝ ગોન્ઝાલેઝ દ્વારા સમજાવ્યા મુજબ.
ગ્રાફકાસ્ટ અને આગાહી સિસ્ટમ્સ
ગ્રાફકાસ્ટ અને હાલની આગાહી પ્રણાલીઓ વચ્ચેનો નોંધપાત્ર તફાવત એ ઐતિહાસિક ડેટાને સમાવિષ્ટ કરવાની ક્ષમતા છે. સર્જકોએ 1979ના ECMWF આર્કાઇવમાંથી હવામાન સંબંધી ડેટાનો ઉપયોગ કરીને સિસ્ટમને તાલીમ આપી હતી. આ વ્યાપક ડેટા સેટ આવરી લે છે સેન્ટિયાગોમાં વરસાદ અને ચક્રવાત કે જેણે 40 વર્ષના સમયગાળામાં એકાપુલ્કોને અસર કરી છે. નોંધપાત્ર પ્રમાણમાં તાલીમ પછી, ગ્રાફકાસ્ટમાં હવામાનની ચોક્કસ આગાહીઓ જનરેટ કરવાની નોંધપાત્ર ક્ષમતા છે.
હવેથી બીજા છ કલાક હવામાનની ચોક્કસ આગાહી કરવા માટે તમારી આગાહીના છ કલાક પહેલાં અને તરત જ હવામાનની સ્થિતિનું જ્ઞાન જરૂરી છે. અનુમાનો પરસ્પર નિર્ભર છે અને દરેક નવી આગાહી પાછલા એકને જાણ કરે છે. આ પ્રભાવશાળી ડીપમાઇન્ડ મશીનના સહ-નિર્માતા, ફેરાન એલેટ, તેના આંતરિક કાર્યને સમજાવે છે: "અમારું ન્યુરલ નેટવર્ક છ કલાક અગાઉથી હવામાનની સ્થિતિની અપેક્ષા રાખે છે. 24 કલાકમાં હવામાનની આગાહી કરવા માટે, અમે ફક્ત ચાર વખત મોડેલનું મૂલ્યાંકન કરીએ છીએ. વૈકલ્પિક રીતે, અમે અલગ-અલગ સમયગાળા માટે અલગ-અલગ મૉડલને તાલીમ આપી શક્યા હોત, જેમ કે એક છ કલાક માટે અને એક 24 કલાક માટે. જો કે, "અમે સમજીએ છીએ કે હવામાનને નિયંત્રિત કરતા અંતર્ગત સિદ્ધાંતો છ કલાકના સમયગાળામાં સુસંગત રહે છે."
"તેથી, જો આપણે યોગ્ય 6-કલાકનું મોડેલ શોધી શકીએ અને તેની પોતાની આગાહીઓનો ઇનપુટ તરીકે ઉપયોગ કરી શકીએ, તો અમે આગામી 12 કલાક માટે હવામાનની ચોક્કસ આગાહી કરી શકીએ છીએ અને દર છ કલાકે આ પ્રક્રિયાને પુનરાવર્તિત કરી શકીએ છીએ." Alet અનુસાર, આ અભિગમ એક મોડેલ માટે નોંધપાત્ર પ્રમાણમાં ડેટા પ્રદાન કરે છે, જેના પરિણામે વધુ કાર્યક્ષમ તાલીમ મળે છે.
અત્યાર સુધી, હવામાનની આગાહી આંકડાકીય હવામાન આગાહી પર આધારિત છે, જે વાતાવરણીય ગતિશીલતાની વિવિધ જટિલતાઓને ધ્યાનમાં લેવા માટે સમગ્ર ઇતિહાસમાં વિકસિત વૈજ્ઞાનિક સમીકરણોનો ઉપયોગ કરે છે. સંશોધકોના તારણો ગાણિતિક અલ્ગોરિધમનો સમૂહ સ્થાપિત કરે છે જે સુપર કોમ્પ્યુટર કરે છે આગામી થોડા કલાકો, દિવસો અથવા અઠવાડિયા માટે આગાહીઓ જનરેટ કરવા માટે દોડવું જોઈએ (જોકે વિશ્વસનીયતા 15 દિવસ પછી નોંધપાત્ર રીતે ઘટે છે). જો કે, આ કાર્યને હાથ ધરવા માટે ખૂબ જ અદ્યતન સુપર કોમ્પ્યુટરની જરૂર છે, જેમાં નોંધપાત્ર ખર્ચ અને વ્યાપક એન્જિનિયરિંગ પ્રયત્નો શામેલ છે.
Google AI મોડલ હવામાનની આગાહી કરે છે
ખાસ કરીને નોંધપાત્ર બાબત એ છે કે આ સિસ્ટમો તેઓ પાછલા દિવસની અથવા તો પાછલા વર્ષની હવામાન પરિસ્થિતિઓનો ઉપયોગ કરતા નથી, એક જ જગ્યાએ અને એક જ સમયે થવા છતાં.
તેનાથી વિપરિત, તે એક અલગ ખૂણાથી કાર્યનો સંપર્ક કરે છે, લગભગ વિરુદ્ધ. તેની અદ્યતન ઊંડા શીખવાની ક્ષમતાઓ દ્વારા, તે પૃથ્વીની આબોહવાની પ્રગતિને નિર્ધારિત કરતી જટિલ કારણ-અને-અસર ગતિશીલતાની વ્યાપક સમજ મેળવવા માટે ભૂતકાળના હવામાન ડેટાના વ્યાપક આર્કાઇવ્સનો ઉપયોગ કરે છે.
સ્પેનિશ મેટિરોલોજીકલ એજન્સી (AEMET) ના પ્રવક્તા જોસ લુઈસ કાસાડોના જણાવ્યા અનુસાર, વાતાવરણીય મોડેલમાં ઐતિહાસિક માહિતીને ધ્યાનમાં લેવામાં આવતી નથી. કાસાડો સ્પષ્ટ કરે છે કે આ મોડેલ હાલના અવલોકનો અને મોડલ દ્વારા જ કરવામાં આવેલી સૌથી તાજેતરની આગાહી પર આધારિત છે. વાતાવરણની વર્તમાન સ્થિતિને સચોટ રીતે સમજીને, તેની ભાવિ પ્રગતિની આગાહી કરવી શક્ય છે. મશીન લર્નિંગ તકનીકોથી વિપરીત, આ અભિગમ ઐતિહાસિક ડેટા અથવા આગાહીઓનો ઉપયોગ કરતું નથી.
હું આશા રાખું છું કે આ માહિતી દ્વારા તમે Google ના AI વિશે વધુ જાણી શકશો જે હવામાન અને તેની લાક્ષણિકતાઓની આગાહી કરે છે.