गूगल ने बुधवार को अपना मौसम पूर्वानुमानित कृत्रिम बुद्धिमत्ता (एआई) मॉडल जेनकास्ट पेश किया। AI मॉडल को माउंटेन व्यू-आधारित तकनीकी दिग्गज के AI अनुसंधान प्रभाग Google DeepMind द्वारा विकसित किया गया था। कंपनी के शोधकर्ताओं ने प्रौद्योगिकी पर एक पेपर भी प्रकाशित किया है जिसमें मध्यम अवधि के मौसम पूर्वानुमान बनाने में इसकी क्षमताओं पर प्रकाश डाला गया है। कंपनी का दावा है कि सिस्टम रिज़ॉल्यूशन और सटीकता के मामले में मौजूदा अत्याधुनिक पूर्वानुमान मॉडल से बेहतर प्रदर्शन करने में सक्षम था। विशेष रूप से, जेनकास्ट 0.25 डिग्री सेल्सियस के रिज़ॉल्यूशन के साथ अगले 15 दिनों के लिए मौसम की भविष्यवाणी कर सकता है।
Google जेनकास्ट सुविधाएँ
में एक ब्लॉग भेजाGoogle DeepMind ने नए उच्च रिज़ॉल्यूशन वाले AI एन्सेम्बल मॉडल के बारे में विस्तार से बताया। इस बात पर प्रकाश डालते हुए कि जेनकास्ट दिन-प्रतिदिन के मौसम और चरम घटनाओं के लिए भविष्यवाणियां कर सकता है, उसने दावा किया कि यह यूरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट्स (ईसीएमडब्ल्यूएफ) एन्सेम्बल (ईएनएस) प्रणाली से बेहतर प्रदर्शन करने में सक्षम है। मॉडल का प्रदर्शन अब है प्रकाशित नेचर जर्नल में.
विशेष रूप से, मौसम की भविष्यवाणी करने के लिए पारंपरिक नियतिवादी दृष्टिकोण का उपयोग करने के बजाय, जेनकास्ट संभाव्य दृष्टिकोण का उपयोग करता है। नियतिवादी दृष्टिकोण पर आधारित मौसम पूर्वानुमान मॉडल प्रारंभिक स्थितियों के दिए गए सेट के लिए एकल, विशिष्ट पूर्वानुमान उत्पन्न करते हैं और वायुमंडलीय भौतिकी और रसायन विज्ञान के सटीक समीकरणों पर भरोसा करते हैं।
दूसरी ओर, संभाव्य दृष्टिकोण पर आधारित मॉडल प्रारंभिक स्थितियों और मॉडल मापदंडों की एक श्रृंखला का अनुकरण करके कई संभावित परिणाम उत्पन्न करते हैं। इसे सामूहिक पूर्वानुमान भी कहा जाता है।
गूगल डीपमाइंड इस बात पर प्रकाश डाला गया कि जेनकास्ट एक प्रसार मॉडल है जो पृथ्वी की गोलाकार ज्यामिति के अनुकूल होता है, और भविष्य के मौसम परिदृश्यों की जटिल संभावना वितरण उत्पन्न करता है। एआई मॉडल को प्रशिक्षित करने के लिए, शोधकर्ताओं ने ईसीएमडब्ल्यूएफ के ईआरए5 संग्रह से चार दशकों का ऐतिहासिक मौसम डेटा प्रदान किया। इसके साथ, मॉडल को 0.25 डिग्री सेल्सियस रिज़ॉल्यूशन पर वैश्विक मौसम पैटर्न सिखाया गया था।
प्रकाशित शोध पत्र में, Google ने 2018 तक के ऐतिहासिक डेटा पर प्रशिक्षण देकर जेनकास्ट के प्रदर्शन का मूल्यांकन किया और फिर उसे 2019 के लिए भविष्यवाणियां करने के लिए कहा। अलग-अलग लीड समय पर विभिन्न चर में कुल 1320 संयोजनों का उपयोग किया गया और शोधकर्ताओं ने पाया कि जेनकास्ट इनमें से 97.2 प्रतिशत लक्ष्यों पर ईएनएस से अधिक सटीक था, और 36 घंटे से अधिक के लीड समय पर 99.8 प्रतिशत पर।
विशेष रूप से, Google डीपमाइंड ने घोषणा की कि वह मौसम पूर्वानुमान समुदाय का समर्थन करने के लिए जेनकास्ट एआई मॉडल के कोड, वजन और पूर्वानुमान जारी करेगा।