Google DeepMind का एआई ने जमैका को कैटेगरी 5 तूफान की तैयारी के लिए एक अतिरिक्त दिन दिया
एक नए तूफान-पूर्वानुमान मॉडल ने भविष्यद्वाणी की कि तूफान मेलिसा जमैका पर पाँच दिन पहले हमला करेगा, जो पुराने उपकरणों की तुलना में पूरा एक दिन पहले है। नेचर में एक पत्र कहता है कि यह एआई इस तरह से काम करता है जिसे इसके अपने निर्माता भी पूरी तरह से समझा नहीं सकते।
मुख्य बिंदु
- Google DeepMind का WeatherNext मॉडल भविष्यद्वाणी करता है कि तूफान मेलिसा जमैका पर कैटेगरी 5 तूफान के रूप में 80 प्रतिशत आत्मविश्वास के साथ भूमि पर आने से पाँच दिन पहले हमला करेगा।
- औसतन, WeatherNext पूर्वानुमानकर्ताओं को मौजूदा मॉडलों की तुलना में एक पूरा अतिरिक्त दिन सटीक चेतावनी देता है, गुरुवार को नेचर में प्रकाशित एक पत्र के अनुसार।
- मॉडल एक बार में 1,000 संभावित तूफान परिदृश्य उत्पन्न करता है, एक मात्रा जो पारंपरिक कंप्यूटिंग मेल नहीं खा सकती।
- DeepMind बाहरी शोधकर्ताओं को उन्हें अध्ययन और सुधार करने में सक्षम बनाने के लिए WeatherNext मॉडल को ओपन-सोर्स सॉफ़्टवेयर के रूप में जारी कर रहा है।
- यहाँ तक कि मॉडल के अपने डेवलपर्स भी पूरी तरह से समझा नहीं सकते कि यह पारंपरिक पूर्वानुमान की तुलना में कम गुणवत्ता वाले इनपुट डेटा का उपयोग करके अपनी सटीकता कैसे प्राप्त करता है।
अक्टूबर 2025 में, कैरेबियन के ऊपर एक तूफान शांति से निर्मित हुआ। पारंपरिक मौसम मॉडल सहमत नहीं थे: क्या यह कमजोर रहेगा और हैती की ओर बढ़ेगा, या मजबूत होगा और जमैका की ओर मुड़ेगा? WeatherNext, Google के DeepMind और Google Research विभागों द्वारा निर्मित एक एआई पूर्वानुमान प्रणाली, दृढ़ता से दूसरे विकल्प के साथ पक्ष लिया। तूफान भूमि पर आने से पाँच दिन पहले, इसने जमैका पर कैटेगरी 5 तूफान, सबसे विनाशकारी वर्ग, की 80 प्रतिशत संभावना को चिह्नित किया।
यह सही था। तूफान मेलिसा ने पूरे द्वीप में बाढ़ और भूस्खलन लाया। लेकिन जल्दी चेतावनी का मतलब था कि समुदायों के पास तैयारी के लिए अधिक समय था।
यह नियमित मौसम पूर्वानुमान से क्या अलग करता है?
WeatherNext पूर्वानुमानकर्ताओं को लगभग एक अतिरिक्त दिन की विश्वसनीय चेतावनी खरीदता है। इसका मतलब है कि इसका तीन दिन का पूर्वानुमान पुराने मॉडलों के दो दिन के पूर्वानुमान जितना सटीक है। ऐतिहासिक रूप से, शोधकर्ताओं का कहना है, उस एकल दिन को प्राप्त करने में एक दशक की वृद्धिशील वैज्ञानिक कार्य लगती होती।
माइक ब्रेनन, अमेरिकी राष्ट्रीय तूफान केंद्र के निदेशक, ने इसे सरलता से कहा: "जब उन प्रकार के निर्णयों की बात आती है तो समय वास्तव में सोने का है।"
निकासी का आयोजन करना और आपूर्ति को स्थानांतरित करना समय-संवेदनशील कार्य हैं। उन्हें गलत तरीके से प्राप्त करने से जीवन खर्च होता है। एक और दिन बहुत मायने रखता है।
तूफान की भविष्यद्वाणी करना पहली जगह में इतना मुश्किल क्यों है?
दो चीजों की एक साथ भविष्यद्वाणी की जानी चाहिए, और उन्हें डेटा के बहुत अलग प्रकार की आवश्यकता है। यह ट्रैक करना कि एक तूफान किस दिशा में यात्रा करता है, बड़े चित्र वैश्विक मौसम डेटा की आवश्यकता है: ठंडे मोर्चे की स्थिति, पूरे महासागर बेसिन में हवा के पैटर्न। तूफान कितना मजबूत होगा इसकी भविष्यद्वाणी करने के लिए तूफान के ठीक ऊपर महासागर का तापमान और वातावरण के बारे में बारीक स्थानीय डेटा की आवश्यकता है। पहले के एआई मॉडल ट्रैक को उचित तरीके से संभालते थे। तीव्रता, केट मसग्रेव, सहकारी संस्थान फॉर रिसर्च इन द एटमॉस्फियर में उष्णकटिबंधीय चक्रवात समूह के नेतृत्व और पत्र के सह-लेखक कहते हैं, "वे बिल्कुल भी अच्छा नहीं कर सकते थे।"
DeepMind की टीम ने WeatherNext को सामान्य मौसम डेटा की विशाल मात्रा के साथ ऐतिहासिक चक्रवात रिकॉर्ड के बहुत छोटे सेट के साथ प्रशिक्षित करके इसका हिस्सा हल किया। मॉडल पहले व्यापक वायुमंडलीय पैटर्न सीखा, फिर उस ज्ञान को तूफान पर लागू किया।
सबसे अजीब मोड़: सिस्टम पारंपरिक मॉडल की तुलना में कम-रिज़ॉल्यूशन इनपुट डेटा का उपयोग करता है जिसे तीव्रता पूर्वानुमान के लिए आवश्यक माना जाता है, फिर भी यह उन्हें बेहतर प्रदर्शन करता है। जब टीम ने अन्य वैज्ञानिकों को यह बताया, तो "वे हैरान थे," फेरान एलेट, Google DeepMind में एक अनुसंधान वैज्ञानिक और पत्र के एक मुख्य लेखक कहते हैं। कुछ मोटे डेटा में अधिक उपयोगी संकेत ले जाता है जिसे पहले किसी को संदेह नहीं था। अभी तक कोई नहीं जानता कि क्या।
"यह अंत में एक काला बॉक्स है," एलेट स्वीकार करते हैं।
इसके बाद क्या होता है?
DeepMind स्वतंत्र शोधकर्ताओं को WeatherNext मॉडल को ओपन-सोर्स कर रहा है ताकि वे उन्हें जाँच सकें और संभवतः यह पता लगा सकें कि एआई ने क्या देखा जो मानव भौतिकविदों ने नहीं देखा।
मॉडल अब प्रत्येक विकासशील तूफान के लिए 1,000 संभावित तूफान परिदृश्य उत्पन्न करता है, पिछले साल के 50 से अधिक। पारंपरिक संख्यात्मक मॉडल, जो भौतिकी समीकरणों को चरण दर चरण चलाते हैं, उपलब्ध कंप्यूटिंग शक्ति के साथ उस संख्या के आसपास कहीं नहीं जा सकते।
ब्रेनन सीमाओं के बारे में स्पष्ट हैं। कोई एकल मॉडल हर भविष्य के मौसम में सर्वोत्तम प्रदर्शन की गारंटी नहीं है। मानव विशेषज्ञ अभी भी कच्चे पूर्वानुमान को प्रभाव आकलन में अनुवाद करते हैं, वह हिस्सा जो अंततः यह निर्धारित करता है कि समुदाय कैसे प्रतिक्रिया करते हैं। "यह प्रभाव है जो लोगों को मारता है," वह कहता है।
WeatherNext एक बड़े टूलकिट में एक तीक्ष्ण उपकरण है। यह इसे चलाने वाले लोगों के लिए एक प्रतिस्थापन नहीं है।
