डीपमाईंड एआय हवामानाचा अधिक चांगला अंदाज लावू शकतो

डीपमाईंड एआय

विज्ञान म्हणून हवामानशास्त्र प्रगती करत आहे तंत्रज्ञानाच्या विकासासाठी धन्यवाद. सध्या, बरेच संगणक प्रोग्राम आहेत जे कधी आणि कुठे पाऊस पडतील याचा थेट अंदाज लावण्यास सक्षम आहेत. ची कंपनी Deepmind त्याने कृत्रिम बुद्धिमत्ता विकसित केली आहे जे जवळजवळ नक्की कधी आणि कुठे पाऊस पडेल याचा अंदाज लावण्यास सक्षम आहे. या कंपनीने यूकेच्या हवामानशास्त्रज्ञांसोबत एक मॉडेल तयार करण्यासाठी काम केले आहे जे सध्याच्या प्रणालींपेक्षा अल्पकालीन भविष्यवाणी करण्यासाठी चांगले आहे.

या लेखात आम्ही तुम्हाला रोबलेडा बॅग, डीपमाईंड कंपनीच्या हवामान अंदाज तंत्रज्ञानाबद्दल माहित असणे आवश्यक असलेले सर्व काही सांगणार आहोत.

हवामान अंदाज

खोल मन

दीपमाईंड, लंडनस्थित कृत्रिम बुद्धिमत्ता कंपनी, कठीण वैज्ञानिक समस्यांवर खोल शिक्षण लागू करण्याची त्यांची कारकीर्द सुरू ठेवते. डीपमाईंडने ब्रिटिश नॅशनल वेदर सर्व्हिसच्या मेट ऑफिसच्या सहकार्याने डीजीएमआर नावाचे सखोल शिक्षण साधन विकसित केले आहे, जे पुढील 90 ० मिनिटांत पावसाच्या संभाव्यतेचा अचूक अंदाज लावू शकते. हवामानाचा अंदाज लावणे हे सर्वात कठीण आव्हानांपैकी एक आहे.

विद्यमान साधनांच्या तुलनेत, डझनभर तज्ज्ञांचा असा विश्वास आहे की DGMR चे अंदाज अनेक घटकांवर सर्वोत्तम आहेत, ज्यात त्याचे स्थान, श्रेणी, हालचाल आणि पावसाची तीव्रता, वेळ 89% आहे. डीपमाईंडचे नवीन साधन जीवशास्त्रातील एक नवीन की उघडते जे शास्त्रज्ञ अनेक दशकांपासून सोडवण्याचा प्रयत्न करीत आहेत.

तथापि, अंदाजांमध्ये अगदी लहान सुधारणा देखील महत्त्वाच्या आहेत. पावसाचा अंदाज, विशेषत: मुसळधार पाऊस, अनेक उद्योगांसाठी, बाह्य क्रियाकलापांपासून विमान सेवा आणि आपत्कालीन परिस्थितीसाठी गंभीर आहे. पण ते बरोबर मिळवणे कठीण आहे. आकाशात किती पाणी आहे आणि ते कधी आणि कुठे पडेल हे ठरवणे अनेक हवामान प्रक्रियेवर अवलंबून असते, जसे तापमान बदल, ढग निर्मिती आणि वारा. हे सर्व घटक स्वतःहून पुरेसे जटिल आहेत, परंतु एकत्रित केल्यावर ते अधिक जटिल आहेत.

सर्वोत्तम उपलब्ध भविष्यवाणी तंत्रज्ञान वातावरणीय भौतिकशास्त्राचे संगणक अनुकरण मोठ्या संख्येने वापरते. हे दीर्घकालीन अंदाजांसाठी योग्य आहेत, परंतु पुढील तासात काय होईल याचा अंदाज लावण्यात ते फारसे चांगले नाहीत. याला तात्काळ अंदाज म्हणतात.

डीपमाईंड डेव्हलपमेंट

हवामान अंदाजाचा विकास

पूर्वीचे सखोल शिक्षण तंत्र विकसित केले गेले आहे, परंतु ही तंत्रे सहसा एका बाबतीत चांगली काम करतात, जसे की स्थानाचा अंदाज लावणे, आणि दुसर्‍याच्या खर्चावर, जसे की शक्तीचा अंदाज घेणे. अतिवृष्टीचा रडार डेटा जो त्वरित पावसाचा अंदाज लावण्यास मदत करतो हवामानशास्त्रज्ञांसाठी एक मोठे आव्हान आहे.

दीपमाईंड टीमने त्यांच्या एआयला प्रशिक्षित करण्यासाठी रडार डेटाचा वापर केला. बरेच देश आणि प्रदेश वारंवार रडार मापनांचे स्नॅपशॉट प्रकाशित करतात जे दिवसभर ढग निर्मिती आणि हालचालींचा मागोवा घेतात. उदाहरणार्थ, यूकेमध्ये दर पाच मिनिटांनी नवीन वाचन पोस्ट केले जाते. हे स्नॅपशॉट एकत्र ठेवून, आपण एका देशाच्या पावसाचे स्वरूप कसे बदलते हे दर्शवणारा एक अद्ययावत स्टॉप-मोशन व्हिडिओ मिळवू शकता.

संशोधक हा डेटा जीएएन सारख्या खोल जनरेशन नेटवर्कला पाठवतात, जे एक प्रशिक्षित एआय आहे जे नवीन डेटा नमुने तयार करू शकते जे प्रशिक्षणात वापरल्या गेलेल्या वास्तविक डेटासारखेच असतात. बनावट चेहरे तयार करण्यासाठी GAN चा वापर केला गेला आहे, ज्यात बनावट Rembrandt समाविष्ट आहे. या प्रकरणात, डीजीएमआर (ज्याचा अर्थ "जनरेटिव्ह डीप रेन मॉडेल" आहे) खोटे रडार स्नॅपशॉट तयार करण्यास शिकले आहेत जे वास्तविक मापन क्रम चालू ठेवतात.

डीपमाईंड एआय प्रयोग

हवामान अंदाज

डीपमाईंडमध्ये संशोधनाचे नेतृत्व करणारे शाकीर मोहम्मद म्हणाले की, चित्रपटातील काही फ्रेम पाहणे आणि पुढे काय होईल याचा अंदाज घेण्यासारखेच आहे. या पद्धतीची चाचणी करण्यासाठी, टीमने हवामानशास्त्र ब्यूरोच्या 56 हवामानशास्त्रज्ञांना (जे या कामात सामील नव्हते) अधिक प्रगत भौतिक सिम्युलेशन आणि विरोधकांचा संच शोधण्यास सांगितले.

89% लोकांनी सांगितले की ते DGMR द्वारे दिलेल्या निकालांना प्राधान्य देतात. मशीन लर्निंग अल्गोरिदम साधारणपणे आपले अंदाज किती चांगले आहेत या साध्या मापनासाठी ऑप्टिमाइझ करण्याचा प्रयत्न करतात. तथापि, हवामानाचा अंदाज अनेक भिन्न पैलू आहे. कदाचित एखाद्या भाकीतामुळे पावसाची चुकीची तीव्रता योग्य ठिकाणी आली, किंवा इतर भविष्यवाण्यांना तीव्रतेचे योग्य संयोजन मिळाले परंतु चुकीच्या ठिकाणी, आणि असेच.

डीपमाईंडने सांगितले की ते विज्ञानाला ज्ञात असलेल्या सर्व प्रथिनांची रचना सोडेल. कंपनीने आपल्या अल्फाफोल्ड प्रोटीन फोल्डिंग आर्टिफिशियल इंटेलिजन्सचा वापर मानवी प्रोटीओम, तसेच यीस्ट, फळ माशी आणि उंदरांसाठी संरचना निर्माण करण्यासाठी केला आहे.

डीपमाईंड आणि मेट ऑफिसमधील सहकार्य एआय डेव्हलपमेंट पूर्ण करण्यासाठी अंतिम वापरकर्त्यांसह काम करण्याचे एक चांगले उदाहरण आहे. साहजिकच ही चांगली कल्पना आहे, पण बऱ्याचदा ती होत नाही. टीमने अनेक वर्षे प्रकल्पावर काम केले आणि हवामानशास्त्र ब्यूरोच्या तज्ञांकडून इनपुटने प्रकल्पाला आकार दिला. दीपमाईंडचे संशोधन शास्त्रज्ञ सुमन रावरी म्हणाले: "हे आमच्या मॉडेलच्या विकासाला आमच्या स्वतःच्या अंमलबजावणीपेक्षा वेगळ्या प्रकारे प्रोत्साहन देते." "अन्यथा, आम्ही एक मॉडेल तयार करू शकलो असतो जो शेवटी विशेषतः उपयुक्त ठरणार नाही."

दीपमाईंड हे दर्शविण्यासाठी उत्सुक आहे की त्याच्या AI मध्ये व्यावहारिक अनुप्रयोग आहेत. शाकीरसाठी, डीजीएमआर आणि अल्फाफोल्ड एकाच कथेचा भाग आहेत: कंपनी त्यांच्या कोडी सोडवण्याच्या वर्षांच्या अनुभवाचा वापर करते. कदाचित येथे सर्वात महत्वाचा निष्कर्ष असा आहे की डीपमाईंडने शेवटी वास्तविक-जागतिक वैज्ञानिक समस्यांची यादी सुरू केली आहे.

हवामान अंदाज मध्ये प्रगती

हवामानाचा अंदाज तंत्रज्ञानाच्या विकासाद्वारे समर्थित असणे आवश्यक आहे कारण आपण आपले वातावरण कसे कार्य करते हे पूर्णपणे समजून घेण्याच्या जवळ येत आहोत. अनेक वेळा मनुष्य आणि त्याची गणना सामान्य चुकांच्या अधीन असू शकतात ज्या कृत्रिम बुद्धिमत्तेच्या विकासासह टाळता येतात.

हवामानाचा अंदाज हा मनुष्य असण्याची गुरुकिल्ली आहे कारण आपण भरपूर फायदा घेऊ शकतो अधिक कार्यक्षम जलसंपदा आणि वादळ आणि मुसळधार पावसामध्ये काही आपत्ती टाळा. या कारणास्तव, हवामानशास्त्रज्ञ पावसाचा अंदाज घेण्यासाठी कृत्रिम बुद्धिमत्ता प्रकल्प विकसित करण्यास सहमत आहेत.

मला आशा आहे की या माहितीमुळे तुम्ही दीपमाईंड प्रकल्प आणि त्याची वैशिष्ट्ये याबद्दल अधिक जाणून घेऊ शकाल.


लेखाची सामग्री आमच्या तत्त्वांचे पालन करते संपादकीय नीति. त्रुटी नोंदविण्यासाठी क्लिक करा येथे.

टिप्पणी करणारे सर्वप्रथम व्हा

आपली टिप्पणी द्या

आपला ई-मेल पत्ता प्रकाशित केला जाणार नाही. आवश्यक फील्ड चिन्हांकित केले आहेत *

*

*

  1. डेटा जबाबदार: मिगुएल Áन्गल गॅटन
  2. डेटाचा उद्देशः नियंत्रण स्पॅम, टिप्पणी व्यवस्थापन.
  3. कायदे: आपली संमती
  4. डेटा संप्रेषण: कायदेशीर बंधन वगळता डेटा तृतीय पक्षास कळविला जाणार नाही.
  5. डेटा संग्रहण: ओकेन्टस नेटवर्क (EU) द्वारा होस्ट केलेला डेटाबेस
  6. अधिकारः कोणत्याही वेळी आपण आपली माहिती मर्यादित, पुनर्प्राप्त आणि हटवू शकता.