Google AI हवामानाचा अंदाज लावते

Google AI हवामानाचा अंदाज लावते

आजचे हवामान अंदाज जटिल मॉडेल्सवर आधारित आहेत जे वातावरण आणि महासागरांच्या गतिशीलतेवर नियंत्रण ठेवणारे कायदे समाविष्ट करतात आणि हे मॉडेल अस्तित्वात असलेल्या काही सर्वात शक्तिशाली सुपर कॉम्प्युटरवर चालतात. तथापि, Alphabet (Google ची मूळ कंपनी) ने दीपमाइंडने विकसित केलेल्या कृत्रिम बुद्धिमत्तेमुळे वैयक्तिक संगणकाच्या आकारमानाच्या एका मशीनचा वापर करून पुढील 10 दिवसांच्या जागतिक हवामानाचा अंदाज एका मिनिटात वर्तवण्यात यश आले आहे. द Google AI हवामानाचा अंदाज लावते आणि हे नुकतेच सुरू झाले आहे.

या लेखात आम्ही तुम्हाला सांगणार आहोत की Google AI हवामानाचा अंदाज कसा लावते आणि हे तंत्रज्ञान कसे विकसित झाले आहे.

Google AI हवामानाचा अंदाज लावते

हवामान अंदाज मॉडेल

आश्चर्याची गोष्ट म्हणजे, ही AI प्रणाली जवळजवळ प्रत्येक बाबतीत सर्वात आधुनिक हवामान अंदाज प्रणालींना मागे टाकते. विशेष म्हणजे, यावेळी कृत्रिम बुद्धिमत्ता मानवी बुद्धिमत्तेची जागा घेण्याऐवजी त्याला पूरक म्हणून काम करत असल्याचे दिसून येते.

युरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट्स (ECMWF) मध्ये एक अविश्वसनीय प्रगत प्रणाली आहे ज्याने गेल्या वर्षी एक मोठे अपग्रेड केले आहे, तिच्या अंदाज क्षमतांमध्ये सुधारणा केली आहे. बोलोग्ना, इटली येथे त्याच्या सुविधांवर होस्ट केलेले, जवळपास एक दशलक्ष प्रोसेसरने सुसज्ज असा सुपर कॉम्प्युटर आहे (वैयक्तिक संगणकात सापडलेल्या दोन किंवा चारच्या उलट) आणि 30 पेटाफ्लॉप्सची विलक्षण संगणकीय शक्ती, प्रति सेकंद 30.000 ट्रिलियन गणनेच्या समतुल्य.

ही प्रचंड संगणकीय क्षमता त्याच्या एका साधनासाठी आवश्यक आहे, उच्च रिझोल्यूशन फोरकास्टिंग (HRES), जे मध्यम-मुदतीच्या जागतिक हवामान पद्धतींचा अचूक अंदाज लावते, जे ते नऊ किलोमीटरच्या प्रभावी अवकाशीय रिझोल्यूशनसह साधारणपणे 10 दिवसांचे असतात. हे अंदाज जगभरातील हवामानशास्त्रज्ञांद्वारे वितरीत केलेल्या हवामान अंदाजांसाठी आधार म्हणून काम करतात. अलीकडे, ग्राफकास्ट, Google DeepMind ने विकसित केलेली एक कृत्रिम बुद्धिमत्ता, हवामानाचा अंदाज लावण्यासाठी या भयंकर प्रणालीची क्षमता मोजण्यासाठी वापरली गेली आहे.

AI अभ्यास परिणाम

ग्राफकास्ट

सायन्स जर्नलमध्ये मंगळवारी प्रकाशित झालेल्या तुलनात्मक परिणामांवरून असे दिसून आले आहे की अनेक हवामान घटकांचा अंदाज लावण्यात ग्राफकास्ट HRES ला मागे टाकते. अभ्यासानुसार, तपासलेल्या 90,3 मेट्रिक्सपैकी 1.380% मध्ये Google च्या मशीनने ECMWF ला मागे टाकले आहे.

केवळ ट्रॉपोस्फियरवर लक्ष केंद्रित करताना, वातावरणाचा थर जेथे बहुतेक हवामान घटना घडतात, आणि पृथ्वीच्या पृष्ठभागापासून अंदाजे 6 ते 8 किलोमीटर उंचीवर असलेल्या स्ट्रॅटोस्फियरमधील डेटा वगळून, कृत्रिम बुद्धिमत्ता (A.I.) ) मानव-पर्यवेक्षित सुपरकॉम्प्युटरपेक्षा 99,7% पेक्षा जास्त कामगिरी करते. प्रकरणे व्हेरिएबल्सचे विश्लेषण केले. आश्चर्याची गोष्ट म्हणजे, हे यश एका मशीनच्या सहाय्याने प्राप्त केले गेले आहे जे टेन्सर प्रोसेसिंग युनिट किंवा TPU म्हणून ओळखल्या जाणार्‍या वैयक्तिक संगणकाशी जवळून साम्य आहे.

Google DeepMind चे संशोधक Álvaro Sánchez González यांच्या म्हणण्यानुसार, TPUs हे विशेष हार्डवेअर आहेत जे सामान्य पीसीच्या तुलनेत कृत्रिम बुद्धिमत्ता सॉफ्टवेअरचे अधिक कार्यक्षम प्रशिक्षण आणि अंमलबजावणी देतात, समान आकार राखून. ज्याप्रमाणे संगणकाचे ग्राफिक्स कार्ड प्रतिमा प्रस्तुत करण्यावर लक्ष केंद्रित करते, त्याचप्रमाणे TPUs ची रचना मॅट्रिक्स उत्पादनांमध्ये उत्कृष्ट करण्यासाठी केली जाते. GraphCast प्रशिक्षणासाठी, आम्ही काही आठवड्यांच्या कालावधीत 32 TPUs वापरले. तथापि, प्रशिक्षण पूर्ण झाल्यानंतर, एकच TPU एका मिनिटापेक्षा कमी वेळेत अंदाज तयार करू शकतो, डिव्हाइसच्या निर्मात्यांपैकी एक, Sánchez González यांनी स्पष्ट केल्याप्रमाणे.

ग्राफकास्ट आणि अंदाज प्रणाली

google AI हवामानाचा अंदाज लावते

ग्राफकास्ट आणि विद्यमान अंदाज प्रणालीमधील एक उल्लेखनीय फरक म्हणजे ऐतिहासिक डेटा समाविष्ट करण्याची क्षमता. निर्मात्यांनी 1979 च्या ECMWF संग्रहणातील हवामानविषयक डेटा वापरून प्रणालीला प्रशिक्षण दिले. या विस्तृत डेटा सेटमध्ये सॅंटियागोमधील पाऊस आणि 40 वर्षांच्या कालावधीत अकापुल्कोवर परिणाम करणारे चक्रीवादळ. बर्‍याच प्रशिक्षणानंतर, ग्राफकास्टमध्ये अचूक हवामान अंदाज तयार करण्याची उल्लेखनीय क्षमता आहे.

आतापासून आणखी सहा तास हवामानाचा अचूक अंदाज घेण्यासाठी तुमच्या अंदाजाच्या सहा तास आधी आणि लगेचच हवामानाच्या परिस्थितीचे ज्ञान आवश्यक आहे. अंदाज एकमेकांवर अवलंबून असतात आणि प्रत्येक नवीन अंदाज मागील अंदाजाची माहिती देतो. या प्रभावी डीपमाइंड मशीनचे सह-निर्माता फेरान अॅलेट, त्याच्या अंतर्गत कार्याचे स्पष्टीकरण देतात: "आमचे न्यूरल नेटवर्क हवामानाच्या परिस्थितीचा अंदाज सहा तास अगोदर घेते. 24 तासात हवामानाचा अंदाज घेण्यासाठी, आम्ही फक्त चार वेळा मॉडेलचे मूल्यांकन करतो. वैकल्पिकरित्या, आम्ही वेगवेगळ्या कालावधीसाठी वेगळे मॉडेल प्रशिक्षित करू शकतो, जसे की एक सहा तासांसाठी आणि एक 24 तासांसाठी. तथापि, "आम्ही समजतो की हवामान नियंत्रित करणारी मूलभूत तत्त्वे सहा तासांच्या कालावधीत सुसंगत राहतात."

"म्हणून, जर आम्ही योग्य 6-तास मॉडेल शोधू शकलो आणि त्याचे स्वतःचे अंदाज इनपुट म्हणून वापरू शकलो, तर आम्ही पुढील 12 तासांसाठी हवामानाचा अचूक अंदाज लावू शकतो आणि दर सहा तासांनी ही प्रक्रिया पुन्हा करू शकतो." Alet च्या मते, हा दृष्टिकोन एका मॉडेलसाठी मोठ्या प्रमाणात डेटा प्रदान करतो, परिणामी अधिक कार्यक्षम प्रशिक्षण मिळते.

आतापर्यंत, हवामान अंदाज संख्यात्मक हवामान अंदाजावर आधारित आहेत, जे वातावरणातील गतिशीलतेच्या विविध जटिलतेसाठी संपूर्ण इतिहासात विकसित वैज्ञानिक समीकरणे वापरतात. संशोधकांचे निष्कर्ष गणितीय अल्गोरिदमचा एक संच स्थापित करतात जे सुपर कॉम्प्युटर करतात पुढील काही तास, दिवस किंवा आठवडे अंदाज तयार करण्यासाठी धावणे आवश्यक आहे (जरी विश्वासार्हता 15 दिवसांपेक्षा लक्षणीय घटते). तथापि, हे कार्य पार पाडण्यासाठी अत्यंत प्रगत सुपर कॉम्प्युटर आवश्यक आहे, ज्यामध्ये महत्त्वपूर्ण खर्च आणि व्यापक अभियांत्रिकी प्रयत्नांचा समावेश आहे.

Google AI मॉडेल हवामानाचा अंदाज लावते

विशेष उल्लेखनीय बाब म्हणजे या प्रणाली ते मागील दिवसाची किंवा अगदी मागील वर्षाची हवामान परिस्थिती वापरत नाहीत, एकाच ठिकाणी आणि एकाच वेळी होत असूनही.

त्याउलट, ते एका वेगळ्या कोनातून, जवळजवळ उलट कार्याकडे जाते. त्याच्या प्रगत सखोल शिक्षण क्षमतांद्वारे, ते पृथ्वीच्या हवामानाच्या प्रगतीचे निर्देश देणार्‍या गुंतागुंतीच्या कारण-आणि-प्रभाव गतीशीलतेची सर्वसमावेशक समज मिळविण्यासाठी भूतकाळातील हवामान डेटाच्या विस्तृत संग्रहणांचा वापर करते.

स्पॅनिश हवामान संस्था (AEMET) चे प्रवक्ते जोसे लुइस कॅसाडो यांच्या मते, वातावरणीय मॉडेलमध्ये ऐतिहासिक डेटा विचारात घेतला जात नाही. कॅसॅडो स्पष्ट करतात की हे मॉडेल विद्यमान निरीक्षणांवर आणि मॉडेलनेच केलेल्या सर्वात अलीकडील अंदाजांवर आधारित आहे. वातावरणाची सद्यस्थिती अचूकपणे समजून घेऊन त्याच्या भविष्यातील प्रगतीचा अंदाज बांधता येतो. मशीन लर्निंग तंत्राच्या विपरीत, हा दृष्टिकोन ऐतिहासिक डेटा किंवा अंदाज वापरत नाही.

मला आशा आहे की या माहितीद्वारे तुम्ही Google च्या AI बद्दल अधिक जाणून घेऊ शकता जे हवामान आणि त्याची वैशिष्ट्ये सांगते.


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.