अब तक कहानी: 4 दिसंबर को, गूगल डीपमाइंड जेनकास्ट का अनावरण किया गया, ए कृत्रिम होशियारी कंपनी ने कहा कि (एआई) मॉडल अधिकांश मौजूदा उपकरणों के साथ-साथ कई दिनों पहले से बेहतर मौसम की भविष्यवाणी कर सकता है। मॉडल का विवरण प्रकाशित किये गये जर्नल में एक सहकर्मी-समीक्षित पेपर में प्रकृति.
हम मौसम का पूर्वानुमान कैसे लगाते हैं?
ऑस्ट्रेलिया के राष्ट्रमंडल वैज्ञानिक और औद्योगिक अनुसंधान संगठन के वरिष्ठ अनुसंधान वैज्ञानिक वासिली कित्सियोस ने इस महीने की शुरुआत में लिखा था, “मौसम की भविष्यवाणियां…वायुमंडल के कई संख्यात्मक सिमुलेशन चलाकर तैयार की जाती हैं।” “प्रत्येक सिमुलेशन वर्तमान मौसम के थोड़े अलग अनुमान से शुरू होता है। इसका कारण यह है कि हमें ठीक-ठीक पता नहीं है कि दुनिया में हर जगह इस समय मौसम क्या है। … प्रकृति के मूलभूत भौतिक नियमों का वर्णन करने वाले समीकरणों को हल करके, सिमुलेशन भविष्यवाणी करते हैं कि वातावरण में क्या होगा।
इस प्रक्रिया को संख्यात्मक मौसम पूर्वानुमान (एनडब्ल्यूपी) कहा जाता है। सर्वोत्तम एनडब्ल्यूपी पूर्वानुमानों के लिए शक्तिशाली सुपर कंप्यूटर के उपयोग के साथ-साथ किसी विशेष स्थान के मौसम के बारे में उच्च गुणवत्ता वाले डेटा की आवश्यकता होती है। फिर भी एनडब्ल्यूपी केवल एक या दो सप्ताह पहले ही मौसम की भविष्यवाणी कर सकता है।
1990 के दशक में एन्सेम्बल पूर्वानुमानों ने तस्वीर में प्रवेश किया। यहां, वैज्ञानिक अलग-अलग प्रारंभिक स्थितियों के साथ, समय में एक निश्चित स्थान पर कई पूर्वानुमान तैयार करने के लिए एनडब्ल्यूपी मॉडल का उपयोग करते हैं। पूर्वानुमानों के इस संग्रह को एक समूह कहा जाता है और यह मौसम संबंधी संभावनाओं की सीमा को इंगित करता है।
जेनकास्ट कैसा प्रदर्शन करता है?
Google का जेनकास्ट भी एन्सेम्बल पूर्वानुमान का उपयोग करता है, लेकिन एन्सेम्बल में विकल्प NWP के बजाय AI मॉडल से आते हैं। Google के इंजीनियरों ने इस AI मॉडल को 1979 से 2019 तक 40 वर्षों के रीएनालिसिस डेटा पर प्रशिक्षित किया। यूरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट के अनुसार (ईसीएमडब्ल्यूएफ), “रीएनालिसिस डेटा पिछले मौसम और जलवायु की वर्तमान में संभव सबसे संपूर्ण तस्वीर प्रदान करता है। वे आधुनिक मौसम पूर्वानुमान मॉडल के साथ पिछले छोटी दूरी के मौसम पूर्वानुमानों के अवलोकन का मिश्रण हैं।
जेनकास्ट को दो चरणों में प्रशिक्षित किया गया था: चरण I 3.5 दिनों में और चरण II 1.5 दिनों में, दोनों 32 TPU v5 इंस्टेंसेस के साथ। ‘टीपीयू’ ‘टेंसर प्रोसेसिंग यूनिट’ का संक्षिप्त रूप है, एक एकीकृत सर्किट जिसे Google ने मशीन-लर्निंग मॉडल चलाने के लिए विकसित किया है, जिसे Google क्लाउड के माध्यम से बेचा जाता है। दिसंबर 2023 में, Google क्लाउड लॉन्च किया गया एक TPU जिसे v5p कहा जाता है: इसमें 4,800 Gbps/चिप की बैंडविड्थ और लागत के साथ 8,960 चिप्स आपस में जुड़े हुए हैं $4.2 प्रति चिप-घंटा मांग पर.
जैसे चैटजीपीटी यह पहचानने में अच्छा है कि अधूरे वाक्य में अगला शब्द क्या हो सकता है, जेनकास्ट यह अनुमान लगाने में अच्छा है कि कुछ बिंदु तक मौसम को देखते हुए अगले पल में मौसम क्या होगा। के अनुसार प्रकृति पेपर, जेनकास्ट के पास “हमारे द्वारा मूल्यांकन किए गए 1,320 लक्ष्यों में से 97.2% पर ईएनएस की तुलना में अधिक कौशल था और चरम मौसम, उष्णकटिबंधीय चक्रवात ट्रैक और पवन ऊर्जा उत्पादन की बेहतर भविष्यवाणी करता था।” ईएनएस ईसीएमडब्ल्यूएफ द्वारा तैयार किए गए पूर्वानुमानों को संदर्भित करता है, जिसे एनडब्ल्यूपी में सर्वश्रेष्ठ में से एक माना जाता है।
गूगल यह भी कहा जब जेनकास्ट से 36 घंटे से अधिक पहले मौसम की भविष्यवाणी करने के लिए कहा गया तो 1,320 लक्ष्यों में से 99.8% पर ईएनएस की तुलना में अधिक सटीक था।
जेनकास्ट कैसे काम करता है?
पेपर में वर्णित एआई मॉडल में 41,162 नोड्स और 2.4 लाख किनारों वाला एक तंत्रिका नेटवर्क था। प्रत्येक नोड नेटवर्क में एक बिंदु है जहां कुछ इनपुट डेटा स्वीकार किया जाता है, हेरफेर किया जाता है, और दूसरे नोड के लिए इनपुट के रूप में एक आउटपुट उत्पन्न होता है। किनारा नोड्स के बीच एक संबंध है।
यह सेटअप डेटा को कैसे संसाधित करता है, इसके लिए नीचे दिया गया चित्र देखें। कैप्शन: नीचे के ग्लोब एक के बाद एक, चार समय बिंदुओं पर मौसम की भविष्यवाणी दिखाते हैं। प्रत्येक पूर्वानुमान मौजूदा मौसम डेटा को शोर इनपुट के साथ जोड़कर तैयार किया जाता है। जेनकास्ट की चुनौती शोर इनपुट – शीर्ष पर ग्लोब – से अगले क्षण के लिए मौसम की भविष्यवाणी निकालना है। ऐसा करने के लिए, मॉडल एक शोधन (हरा बॉक्स) के माध्यम से संयोजन चलाता है, कम शोर वाली भविष्यवाणी उत्पन्न करता है, फिर इसे इनपुट डेटा के साथ फिर से जोड़ता है, दूसरा शोधन चलाता है, फिर नए आउटपुट को इनपुट डेटा के साथ जोड़ता है, तीसरा चलाता है शोधन, और इसी तरह जब तक यह 30 शोधन पूरा नहीं कर लेता। अंतिम डी-नोइज़्ड आउटपुट, जिसे X1 कहा जाता है, समय के अगले क्षण के लिए अंतिम मौसम भविष्यवाणी है। इसके बाद के मौसम की भविष्यवाणी करने के लिए, मॉडल X1 को इनपुट के रूप में स्वीकार करके शुरू होता है और एक शोर इनपुट के साथ नए सिरे से शुरू होता है। हरे बक्सों में तंत्रिका नेटवर्क होते हैं।
शोर इनपुट को कम करने की क्षमता प्रसार-प्रकार के एआई मॉडल की एक सामान्य विशेषता है, जो जेनकास्ट है। डिफ्यूजन मॉडल का उपयोग करने वाले अन्य प्रसिद्ध ऐप्स में ओपनएआई का टेक्स्ट-टू-वीडियो मॉडल सोरा और स्टेबिलिटी एआई का टेक्स्ट-टू-इमेज मॉडल स्टेबल डिफ्यूजन शामिल हैं, ये दोनों जेनरेटिव एआई के उदाहरण भी हैं।
जेनकास्ट समूह के लिए एक समय में कम से कम 50 पूर्वानुमान तैयार करता है, और Google ने कहा है कि प्रत्येक पूर्वानुमान समानांतर में तैयार किया जा सकता है। कुल मिलाकर, समूह में एक समय में 15 दिनों के लिए पूर्वानुमान शामिल होते हैं, जिसमें 0.25° x 0.25° (अक्षांश-देशांतर) का स्थानिक रिज़ॉल्यूशन और 12 घंटे का अस्थायी रिज़ॉल्यूशन होता है। शोधकर्ताओं ने पाया कि इस पूरी प्रक्रिया में जेनकास्ट को एक टीपीयू वी5 यूनिट पर चलने में आठ मिनट लगे, जो एनडब्ल्यूपी के लिए सुपर कंप्यूटर द्वारा आवश्यक कई घंटों से काफी कम है।
क्या जेनकास्ट एनडब्ल्यूपी की जगह लेगा?
जेनकास्ट के पूर्वानुमान नियतिवादी के बजाय संभाव्य हैं, अर्थात “25 दिसंबर को चेन्नई में 5 मिमी बारिश होगी” के बजाय “25 दिसंबर को चेन्नई में बारिश की 25% संभावना होगी”। वर्तमान एनडब्ल्यूपी मॉडल और उनके समूह नियतात्मक हैं। विशेषज्ञों ने कहा है कि संभाव्य मौसम पूर्वानुमान चरम मौसम की घटनाओं की संभावना को उजागर करने में बेहतर हैं।
“हमें मात्रात्मक भविष्यवाणियों पर भरोसा करने के बजाय चरम घटनाओं के लिए इन संभाव्य पूर्वानुमानों का अधिक उपयोग करना चाहिए। संभाव्य पूर्वानुमान अधिक लीड समय प्रदान करते हैं, जिसका उपयोग बेहतर तैयारी के लिए किया जा सकता है, ”भारत सरकार के पूर्व सचिव माधवन राजीवन में लिखा द हिंदू दिसंबर 2023 में.
इसमें कहा गया है, जबकि जेनकास्ट के प्रदर्शन से पता चलता है कि एआई मौसम मॉडल जल्द ही एनडब्ल्यूपी मॉडल की क्षमताओं को पार कर जाएंगे, एनडब्ल्यूपी और जेनकास्ट दोनों अधिक मौलिक मौसम डेटा पर आधारित हैं जो अभी भी भौतिकी के नियमों का उपयोग करके प्राप्त किए गए हैं। विशेषज्ञों ने कहा है कि इन कानूनों का उपयोग करके मौसम को समझना महत्वपूर्ण है क्योंकि दुनिया के कई हिस्सों में मौसम तेजी से बदल रहा है, ऐतिहासिक मौसम की स्थिति हमें इसके लिए तैयार नहीं कर सकती है।
जेनकास्ट को खुद को प्रशिक्षित करने के लिए अधिक रीएनालिसिस डेटा की आवश्यकता होती है। जैसा कि Google ने a में कहा है सार्वजनिक वक्तव्य: “हम मौसम एजेंसियों के साथ अपनी साझेदारी को बहुत महत्व देते हैं, और एआई-आधारित तरीकों को विकसित करने के लिए उनके साथ काम करना जारी रखेंगे जो उनके पूर्वानुमान को बढ़ाते हैं। इस बीच, पारंपरिक मॉडल इस काम के लिए आवश्यक बने हुए हैं। एक बात के लिए, वे जेनकास्ट जैसे मॉडलों के लिए आवश्यक प्रशिक्षण डेटा और प्रारंभिक मौसम की स्थिति की आपूर्ति करते हैं। जेनकास्ट चलाने का कोड है GitHub पर उपलब्ध है.
डीपमाइंड एक मॉडल पर भी काम कर रहा है ग्राफकास्ट कहा जाता है “नियतात्मक मध्यम-श्रेणी पूर्वानुमान” विकसित करना। Google रिसर्च न्यूरलजीसीएम नामक एक मॉडल विकसित कर रहा है जो नियतात्मक पूर्वानुमान उत्पन्न करने के लिए एआई और एनडब्ल्यूपी मॉडल और भविष्यवाणी करने के लिए कम से कम दो अन्य मॉडल को जोड़ता है। अत्यधिक बाढ़ और मात्रा निर्धारित करना अनिश्चितताओं का पूर्वानुमान लगाना. अन्यत्र, हुआवेई का पंगु-वेदर मॉडल एनडब्ल्यूपी की तुलना में सटीकता के साथ लेकिन बहुत तेज गति से एक सप्ताह में मौसम की भविष्यवाणी कर सकता है। एनवीडिया का फोरकास्टनेट मॉडल पहले से ही अत्याधुनिक से बेहतर प्रदर्शन कर सकता है ईसीएमडब्ल्यूएफ में एनडब्ल्यूपी सुविधा दो सेकंड से भी कम समय में अत्यधिक वर्षा की भविष्यवाणी करने में।
प्रकाशित – 21 दिसंबर, 2024 08:04 पूर्वाह्न IST
