ಇನ್ನೋರ್ವ ಮುನ್ಸೂಚನೆಗೆ ನಿರ್ದೇಶಿಸುತ್ತಿರುವ ಗೂಗಲ್‌ನ ಕಲ್ಪಕಶಕ್ತಿ! ಗ್ರಾಫ್‌ಕ್ಯಾಸ್ಟ್ ವಾತಾವರಣದ ಜೇನನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ…

Le ಗಿಯಂಟ್ ತಂತ್ರಜ್ಞಾನ Google, ಇದರ ಉಪಶಾಖೆ DeepMind ಮೂಲಕ, ఇటీవల ಕ್ಲಾಸಿಕ್ ಮಾದರಿಗಳ ಹೋಲಿಸುತ್ತವೆ ಗಣಿತ ಸಮೀಕರಣಗಳ ಆಧಾರದ ಮೇಲೆ GraphCast ಎಂಬ ಸಂಪೂರ್ಣ ಪರಿಹಾರವನ್ನು ತೋರಿಸಿದೆ. ಈ ಹೊಸ ಪಾಠದ ಆರ್ಟ್ (IA) ಜತೆಗೆ ಬಹಳ ಉತ್ತಮಾಗಿರುವ ಹವಾಮಾನದ ಮುನ್ಸೂಚನೆಗಳಿಗೆ ವೈಚಿತ್ರ್ಯವನ್ನು ಒದಗಿಸುತ್ತಿದೆ, ಅಪರೂಪದ ಹವಾಮಾನವನ್ನು ಒಳಗೊಂಡಂತೆ ಅತಿಯಾದ ಭೂಕಂಪಗಳು ಅಥವಾ ದಾಖಲಿಸಲಾಗಿರುವ ನೀರಿನ ಮೇಲೆ. Rémi Lam ಅವರ ಮಾತಿನಿಂದ, Google DeepMindನಲ್ಲಿ ವಿಜ್ಞಾನ ಸಂಶೋಧಕ ಮತ್ತು ಅವರ ತಂಡಗಳು, ಅಲ್ಲದರ ಆಲ್ಗೊರಿಥ್ ಫಲಿತಾಂಶವನ್ನು ಇತರ ಹವಾಮಾನ ಮುನ್ಸೂಚನೆ ವಿಧಾನಗಳ ಪರಿ ಡೇಟಾ ಆಧಾರದ ಮೇಲೆ ನೆನೆಸಿಕೊಳ್ಳುತ್ತದೆ. ಇತ್ತೀಚಿಗೆ, ಮುನ್ಸೂಚನೆ ಪಡೆಯುವವರು ತಂತ್ರಜ್ಞರವಾದ ಪಾಠವನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತಿದ್ದರು, ಅಂದ್ರೆ ಅವರು ವೀಕ್ಷಣೆ ಮತ್ತು ಗಣಿತ ಮಾದರಿಗಳನ್ನು ಹಾಕುತ್ತಿದ್ದಾರೆ ಏಕೆಂದರೆ ತಾತ್ತ್ವಿಕವಾಗಿ ಏನಾದರೂ ಆಗುತ್ತದೆ ಎಂದು ಬೈಗೈಸಿಕೊಳುತ್ತದೆ.

GraphCast ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ?

Google DeepMind ಯಿಂದ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾದ IA ಮಾದರಿಯನ್ನು ತುರ್ತು ಉಳಿಸಿದಿಸಿದೆ ಮತ್ತು ಡೇಟಾ ಸೇರಿಸುತ್ತಿದೆ ನಾಲ್ಕು ದಶಕಗಳಲ್ಲಿನ ಮಾಹಿತಿ, ಉಪಗ್ರಹಗಳಿಂದ, ರೇಡರ್ ಮತ್ತು ಇತರ ಮಾಪನಗಳ ಮೂಲಕ ಆಧಾರಿತವಾಗಿದೆ. ಇದು IA ಗೆ ಪುನಮಾಡಿಕೆಗೆ ಅಥವಾ ಪಂಚಕೀಯ ವೃತ್ತಗಳಿಗೆ ಸೂಚಿಸುತ್ತಿದೆ. ಮುನ್ಸೂಚನೆಯನ್ನು ಮಾಡಲು, GraphCast ಜಾಗದಲ್ಲಿ ಎಲ್ಲಿಂದಲೂ ಹೆಚ್ಚು данಗಳನ್ನು ಪಡೆಯುತ್ತದೆ ಯಾವಾಗಲೂ ಆರು ಗಂಟೆಗಳಿಕೊಟ್ಟರೆ. ಈ ಮುನ್ಸೂಚನೆ ನಂತರ ಇದು ಮುನ್ಸೂಚನೆಯಂತೆ ಹೊಸ ಪ್ರವೇಶವನ್ನು ಪರಿಗಣಿಸುವ ಮೂಲಕ ಪುನಾರೋಗ್ಯವಾಗುತ್ತದೆ, ಬಹಳ ಉತ್ತಮ ಗೌರವವನ್ನು ಪಡೆಯುತ್ತದೆ ಅಂದರೆ ಸುತ್ತಲೂ ಹತ್ತು ದಿನಗಳ ನಂತರ. GraphCast ಔಪಚಾರಿಕ ವಿಳಾಸಗಳನ್ನು ಸಂಗ್ರಹಿಸುವ ಹಿಂತೆಗೆಗಿನ ಹೆಚ್ಚಾಗಿ ಸೂಕ್ತ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಉತ್ಪತ್ತಿ ಮಾಡುತ್ತದೆ 90% ಗಿಂತ ಹೆಚ್ಚು ಕೇಸ್‌ಗಳಲ್ಲಿ. ಈ ಕಾರ್ಯಕ್ಷಮತೆ ಸ್ನೇಹಶಾರ್ಮಿಕ ಪರಿಕರವನ್ನು, ಉಲ್ಲೇಖಗಳು, ಮತ್ತು IA ಅಭಿವೃದ್ಧಿಯ ಮೂಲಕ ನಿಖರವಾದ ಜಟಿಲತೆಗೆ ಸಂಭವನೀಯವಾದ ಅಪಾಯವನ್ನು ತೋರಿಸುತ್ತದೆ: ಸಮೀಪದ ಡೇಟಾ ಸಂಸ್ಕರಣಾ ಸಾಮರ್ಥ್ಯವನ್ನು ಪರಿಗಣಿಸುತ್ತಾ ವಿಜ್ಞಾನಾತ್ಮಕ ವಿವರಗಳನ್ನು ಬಿಟ್ಟು ಬಡಿಯುವುದು ಅಷ್ಟೇ ಬಿಡಬಹುದು. ಆದರೆ, ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯಂತಹ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ, ಮುನ್ಸೂಚನೆಗಳಿಗೆ ಅಡಳಿತದ ಕಾರಣಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಸಾರ್ವಜನಿಕರ ವಿಶ್ವಾಸವನ್ನು ಗಳಿಸಲು ಮತ್ತು ಮುಂದುವರಿಸಲು ಅತ್ಯಂತ ಕೀಲಾಗರಿಯಾಗಿದೆ. ಇದನ್ನು ವಿವರಣೆ ಮಾಡುವುದಾಗಿ, East Anglia ವಿಶ್ವವಿದ್ಯಾನಿಯದಲ್ಲಿ ಹವಾಮಾನಶಾಸ್ತ್ರದ ಪ್ರಾಧ್ಯಾಪಕ: “ನೀವು ಫ್ಲೋರಿ‌ಡಾ, 50 ಕಿಮೀ ದ್ವೀಪವನ್ನು ಮಾರ್ಗಸ್ಥಾಪಿಸುತ್ತಿದ್ದರೆ ಮತ್ತು ಯಾವುದೇ ಇನ್ನಷ್ಟು ಅನುಮಾನಗಳಿಲ್ಲ, ನೀವು ನಂಬಿಕೆಗಳ ವರ್ಷದ ಮಾಹಿತಿ ಹಾಳು ಮಾಡಿದ್ದೀರಿ”.

DeepMind ಮತ್ತು ತನ್ನ ಆರ್ಟ್ ಕ್ಷೇತ್ರದ ಪರಿಣತಿಗಳು

2010ರಲ್ಲಿ ಸ್ಥಾಪಿತವಾದ, DeepMind ಸಂಸ್ಥೆಯು Go ಆಟವನ್ನು ಅಥವಾ Atari 2600 ಕಾನ್ಸೋಲ್ ಆಟಗಳನ್ನು ಆಡಲು ಬಲವಾದ ಕಾರ್ಯಕ್ರಮಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಏಕೆ ತಿಳಿಯಿತು. 2014ರಲ್ಲಿ Google ಖರೀದಿಸಿದ ಸ್ಟಾರ್ಟ್-ಅಪ್, ತಮ್ಮ ಶೇಕಡಾದ ಸೇವೆಗಳನ್ನು ಅಂತರ್ಜಾಲ ಶ್ರೇಣೀಬದ್ಧಿಯನ್ನು ಹವಾಮಾನ ಸಂಬಂಧಿತ ಘಟನೆಗಳಿಗೆ ಕಡೆಗಣಿಸಿದೆ. ವಿಧಾನ ಒಂದೇ ರೀತಿ ಬಾದಿ ಇದೆ: ಡೇಟಾವನ್ನು ಸೇರಿಸುವುದು, ಪುನರಾವಲೋಕನಗಳನ್ನು ಗುರುತಿಸುವುದು ಮತ್ತು ಮುನ್ಸೂಚನೆಗಳನ್ನು ಗಟ್ಟಿಮಾಡುವುದು. ಹೆಚ್ಚು ಶಕ್ತಿಯುತವಾದರೂ, ಈ IA ಮಾದರಿ ನಿರ್ಧಾರೀಯ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪರಿವರ್ತಿಸಲು ಇಲ್ಲ ಮತ್ತು ಮೆಟ್ರೋಲ್ಲಿನಲ್ಲಿಯೇ Évelyne Dhéliat ಅಥವಾ Laurent Romejko像 ಹವಾಮಾನವು ಇನ್ನಷ್ಟು ಲಾವಣ್ಯವಿಲ್ಲದಂತೆ ಹಾಕಬೇಕಾಗಿದೆ. ಸತ್ಯವಾಗಿ, ಡೇಟಾಗಳ ಕೋಷ್ಟಕಗಳು ಮುನ್ಸೂಚನೆಗಳನ್ನು ನೀಡದ ಬದಲಿಗೆ ಭೂಕಂಪದ ಸಂದೇಶಗಳನ್ನು ದುರ್ಬಲವಾಗಿ ಬಳಸುವುದು: ಇವು ನಂಬಿಗನೀಯ ಆದರೆ ವಿಜ್ಞಾನಾತ್ಮಕವಾಗಿ ತಾಕಲು ಸಾಧ್ಯವಿಲ್ಲ. ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯ ಭವಿಷ್ಯದ ಸಹಾಯದಿಂದ, IA ಮತ್ತು ಪರಂಪರಾಜ್ಞನಿಧಿಯ ಒಂದುವರ್ಜೆಯ ಸಂಗದಂತೆ ನೀಡುವ ಮೂಲಕ ಹೆಚ್ಚು ನಿಖರವಾದ ಮುನ್ಸೂಚನೆಗಳನ್ನು ನೀಡಿ ಸಾರ್ವಜನಿಕರ ವಿಶ್ವಾಸವನ್ನು ಕಾಪಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯ ಭವಿಷ್ಯವನ್ನು ಕ್ಕೆ ಘೋಳರ್

GraphCast ಯ ಹೊಸ ಸಾಮರ್ಥ್ಯಗಳನ್ನು التقليدಿಮೂಲಕ ಮುನ್ಸೂಚನೆಗಳು ಬಳಸಿಕೊಂಡು, ಬಹಳ ಹೆಚ್ಚು ಶ್ರೇಣಿಯಾದಾಗ ಸುಲಭವಾಗಿ ಮುನ್ಸೂಚನೆಯ ಕ್ರಮಗಳನ್ನು ಮಾಡಿಕೊಂಡ ವರ್ತನೆಗಳಲ್ಲಿ ಬಹಳ ನಿಖರವಾದ ಮತ್ತು ನಂಬಿಗೆಾನಾಗುತ್ತಾನೆ. ಈ ಅಸ್ತಿತ್ವದ ಪ್ರಗತಿ ಕೇವಲ ಪ್ರತಿಯೊಬ್ಬರ ದಿನಚರಿಯನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತದೆ, ಇದಕ್ಕೂ ಹೆಚ್ಚು ನಿಮಿಷಗಳಿಂದ ಪರಿಕಲ ಪದ್ಧತಿಗಳನ್ನು ಸುಲಭವಾಗಿ ನಿರ್ವಹಿಸಲು ಅನುಮತಿಸುತ್ತದೆ. ಹವಾಮಾನ ನಿಖರ ದ್ರಶ್ಯದಲ್ಲಿ, ವರ್ಕ್ ತಂತ್ರ ಸಂಗವನ್ನು ಹೊಂದಿಲ್ಲದೇ, IA ಬಹಳ ದೊಡ್ಡ ಪ್ರಮಾಣ ಕಟ್ಟುವ ಅಷ್ಟು ಮಹತ್ವಮ ನೀಡುತ್ತದೆ ನಾವು ಊಹಿಸಲು ಮತ್ತು ಹವಾಮಾನವನ್ನು ನಿರ್ಧಾರ ಮಾಡಲು.