এআই আবহাওয়ার পূর্বাভাসে ভাল। এটি কি অদ্ভুত আবহাওয়ার ঘটনাগুলির পূর্বাভাস দিতে পারে?

এই সীমাবদ্ধতাটি বিশেষভাবে গুরুত্বপূর্ণ কারণ গবেষকরা অপারেশনাল আবহাওয়ার পূর্বাভাস, প্রাথমিক সতর্কতা ব্যবস্থা এবং দীর্ঘমেয়াদী ঝুঁকিপূর্ণ মূল্যায়নগুলিতে নিউরাল নেটওয়ার্কগুলিকে অন্তর্ভুক্ত করেন, লেখকরা বলেছিলেন। তবে তারা আরও বলেছে যে এআই সরঞ্জামগুলিতে আরও গণিত এবং পদার্থবিজ্ঞানের সংহত করে সমস্যার সমাধান করার উপায় রয়েছে।

“এআই আবহাওয়ার মডেলগুলি বিজ্ঞানের এআইয়ের অন্যতম বৃহত্তম অর্জন। আমরা যা পেয়েছি তা হ’ল এগুলি উল্লেখযোগ্য, তবে যাদুকর নয়,” উচিকাগোতে জিওফিজিকাল সায়েন্সেসের সহযোগী অধ্যাপক এবং গবেষণায় সম্পর্কিত লেখক পেদ্রাম হাসানজাদেহ বলেছেন। “আমাদের কয়েক বছর ধরে এই মডেলগুলি কেবল ছিল, তাই উদ্ভাবনের জন্য প্রচুর জায়গা রয়েছে।”

ধূসর রাজহাঁস ঘটনা

আবহাওয়ার পূর্বাভাস এআইএস অন্যান্য নিউরাল নেটওয়ার্কগুলির সাথে একইভাবে কাজ করে যা অনেক লোক এখন চ্যাটজিপিটি -র মতো যোগাযোগ করে।

মূলত, মডেলটি একটি মডেলটিতে এটি একগুচ্ছ পাঠ্য বা চিত্রগুলি খাওয়ানো এবং এটি নিদর্শনগুলির সন্ধানের জন্য অনুরোধ করে “প্রশিক্ষিত” হয়। তারপরে, যখন কোনও ব্যবহারকারী কোনও প্রশ্নের সাথে মডেলটি উপস্থাপন করেন, এটি পূর্বে কী দেখা যায় তা পিছনে ফিরে তাকায় এবং উত্তরটির পূর্বাভাস দেওয়ার জন্য এটি ব্যবহার করে।

আবহাওয়ার পূর্বাভাসের ক্ষেত্রে বিজ্ঞানীরা নিউরাল নেটওয়ার্কগুলিকে কয়েক দশকের মূল্যবান আবহাওয়ার ডেটা খাওয়ানোর মাধ্যমে প্রশিক্ষণ দেয়। তারপরে কোনও ব্যবহারকারী বর্তমান আবহাওয়ার পরিস্থিতি সম্পর্কে ডেটা ইনপুট করতে পারেন এবং মডেলটিকে পরবর্তী কয়েক দিনের জন্য আবহাওয়ার পূর্বাভাস দিতে বলতে পারেন।

এআই মডেলগুলি এতে খুব ভাল। সাধারণত, তারা শীর্ষ-লাইন, সুপার কম্পিউটার-ভিত্তিক আবহাওয়া মডেল হিসাবে একই নির্ভুলতা অর্জন করতে পারে যা 10,000 থেকে 100,000 গুণ বেশি সময় এবং শক্তি ব্যবহার করে, হাসানজাদেহ বলেছিলেন।

“এই মডেলগুলি প্রতিদিনের আবহাওয়ার জন্য সত্যই ভাল করে,” তিনি বলেছিলেন। “তবে পরের সপ্তাহে যদি একটি অদ্ভুত আবহাওয়ার অনুষ্ঠান হয়?”

উদ্বেগটি হ’ল নিউরাল নেটওয়ার্কটি বর্তমানে আমাদের কাছে থাকা আবহাওয়ার ডেটা কেবল কাজ করছে যা প্রায় 40 বছর পিছনে যায়। তবে এটি সম্ভাব্য আবহাওয়ার সম্পূর্ণ পরিসীমা নয়।

হাসানজাদেহ বলেছেন, “২০১ 2017 সালে হারিকেন হার্ভে দ্বারা সৃষ্ট বন্যাগুলি একবারে -2,000 বছরের একটি ইভেন্ট হিসাবে বিবেচিত হয়েছিল,” হাসানজাদেহ বলেছেন। “তারা ঘটতে পারে।”

বিজ্ঞানীরা কখনও কখনও এই ইভেন্টগুলিকে “ধূসর সোয়ান” ইভেন্ট হিসাবে উল্লেখ করেন। এগুলি কোনও কালো রাজহাঁসের ইভেন্টের পুরোপুরি নয় – ডাইনোসরদের হত্যা করা গ্রহাণুগুলির মতো কিছু – তবে তারা স্থানীয়ভাবে ধ্বংসাত্মক।

দলটি উদাহরণ হিসাবে হারিকেন ব্যবহার করে এআই মডেলগুলির সীমা পরীক্ষা করার সিদ্ধান্ত নিয়েছে। তারা কয়েক দশক আবহাওয়ার ডেটা ব্যবহার করে একটি নিউরাল নেটওয়ার্ক প্রশিক্ষণ দিয়েছিল, তবে সমস্ত হারিকেনকে বিভাগ 2 এর চেয়ে শক্তিশালী সরিয়ে দিয়েছে Then হারিকেনের শক্তি পূর্বাভাস দেওয়ার জন্য মডেলটি এক্সট্রোপোলেট করতে পারে?

উত্তর ছিল না।

“এটি সর্বদা ইভেন্টটিকে অবমূল্যায়ন করে। মডেল জানে যে কিছু আসছে, তবে এটি সর্বদা ভবিষ্যদ্বাণী করে যে এটি কেবল একটি বিভাগ 2 হারিকেন হবে,” ইউচিকাগোর গবেষণা বিজ্ঞানী ইয়ংকিয়াং সান বলেছেন এবং এই গবেষণায় অন্যান্য সংশ্লিষ্ট লেখক বলেছেন।

এই ধরণের ত্রুটি, যা একটি মিথ্যা নেতিবাচক হিসাবে পরিচিত, এটি আবহাওয়ার পূর্বাভাসে একটি বড় বিষয়। যদি কোনও পূর্বাভাস আপনাকে বলে যে একটি ঝড় একটি বিভাগ 5 হ্যারিকেন হবে এবং এটি কেবল একটি বিভাগ 2 হিসাবে প্রমাণিত হয়, এর অর্থ এমন লোকেরা সরিয়ে নিয়েছে যাদের প্রয়োজন নেই, যা আদর্শ নয়। তবে যদি একটি পূর্বাভাস অধীনেএকটি হারিকেন অনুমান করে যা 5 বিভাগে 5 হিসাবে দেখা যায়, পরিণতিগুলি আরও খারাপ হবে।

হারিকেন সতর্কতা এবং কেন পদার্থবিজ্ঞানের বিষয়টি গুরুত্বপূর্ণ

নিউরাল নেটওয়ার্ক এবং traditional তিহ্যবাহী আবহাওয়ার মডেলগুলির মধ্যে বড় পার্থক্য হ’ল traditional তিহ্যবাহী মডেলগুলি পদার্থবিজ্ঞান “বোঝে”। বিজ্ঞানীরা তাদেরকে এমন গণিত এবং পদার্থবিজ্ঞান সম্পর্কে আমাদের বোঝার অন্তর্ভুক্ত করার জন্য ডিজাইন করেন যা বায়ুমণ্ডলীয় গতিবিদ্যা, জেট স্ট্রিম এবং অন্যান্য ঘটনা পরিচালনা করে।

নিউরাল নেটওয়ার্কগুলি এর কোনওটি করছে না। চ্যাটজিপ্টের মতো, যা মূলত একটি ভবিষ্যদ্বাণীমূলক পাঠ্য মেশিন, তারা কেবল আবহাওয়ার নিদর্শনগুলি দেখে এবং অতীতে যা ঘটেছিল তার উপর ভিত্তি করে পরবর্তী কী আসে তা প্রস্তাব করে।

বর্তমানে কোনও বড় পরিষেবা ব্যবহার করছে না শুধুমাত্র পূর্বাভাসের জন্য এআই মডেল। তবে তাদের ব্যবহার প্রসারিত হওয়ার সাথে সাথে এই প্রবণতাটি কার্যকর করা দরকার, হাসানজাদেহ বলেছিলেন।

আবহাওয়াবিদ থেকে শুরু করে অর্থনীতিবিদদের গবেষকরা দীর্ঘমেয়াদী ঝুঁকি মূল্যায়নের জন্য এআই ব্যবহার করতে শুরু করেছেন। উদাহরণস্বরূপ, তারা কোনও এআইকে আবহাওয়ার নিদর্শনগুলির অনেকগুলি উদাহরণ তৈরি করতে বলতে পারে, যাতে আমরা ভবিষ্যতে প্রতিটি অঞ্চলে ঘটতে পারে এমন সবচেয়ে চরম ঘটনাগুলি দেখতে পারি। তবে যদি কোনও এআই এর আগে যা দেখা যায় তার চেয়ে শক্তিশালী কোনও কিছুর পূর্বাভাস দিতে না পারে তবে এই সমালোচনামূলক কাজের জন্য এর কার্যকারিতা সীমাবদ্ধ থাকবে। তবে তারা মডেলটি পেয়েছিল পারে এর প্রশিক্ষণের ডেটাতে বিশ্বের অন্য কোথাও কোনও নজির থাকলে শক্তিশালী হারিকেনের পূর্বাভাস দিন। উদাহরণস্বরূপ, যদি গবেষকরা আটলান্টিক হারিকেনের সমস্ত প্রমাণ মুছে ফেলেন তবে প্রশান্ত মহাসাগরীয় হারিকেনে চলে যান, তবে মডেলটি আটলান্টিক হারিকেনের পূর্বাভাস দেওয়ার জন্য এক্সট্রোপোলেট করতে পারে।

হাসানজাদেহ বলেছিলেন, “এটি একটি আশ্চর্যজনক এবং উত্সাহজনক অনুসন্ধান ছিল: এর অর্থ হ’ল মডেলগুলি এমন একটি ইভেন্টের পূর্বাভাস দিতে পারে যা একটি অঞ্চলে অনাকাঙ্ক্ষিত ছিল তবে অন্য অঞ্চলে একবারে ঘটেছিল,” হাসানজাদেহ বলেছিলেন।

মার্জিং পন্থা

গবেষকরা পরামর্শ দিয়েছিলেন, সমাধানটি হ’ল গাণিতিক সরঞ্জাম এবং বায়ুমণ্ডলীয় পদার্থবিজ্ঞানের নীতিগুলি এআই-ভিত্তিক মডেলগুলিতে অন্তর্ভুক্ত করা শুরু করা।

হাসানজাদেহ বলেছিলেন, “আশা করা যায় যে এআই মডেলগুলি যদি সত্যই বায়ুমণ্ডলীয় গতিবিদ্যা শিখতে পারে তবে তারা ধূসর রাজহাঁসকে কীভাবে পূর্বাভাস দিতে হবে তা নির্ধারণ করতে সক্ষম হবে,” হাসানজাদেহ বলেছিলেন।

এটি কীভাবে করবেন তা গবেষণার একটি গরম অঞ্চল। দলটি অনুসরণ করছে এমন একটি প্রতিশ্রুতিবদ্ধ পদ্ধতির বলা হয় অ্যাক্টিভ লার্নিং-যেখানে এআই চরম ঘটনাগুলির আরও উদাহরণ তৈরি করতে traditional তিহ্যবাহী পদার্থবিজ্ঞান ভিত্তিক আবহাওয়া মডেলগুলিকে গাইড করতে সহায়তা করে, যা পরে এআইয়ের প্রশিক্ষণের উন্নতি করতে ব্যবহার করা যেতে পারে।

নিউইয়র্ক বিশ্ববিদ্যালয়ের কুরান্ট ইনস্টিটিউট অফ ম্যাথমেটিকাল সায়েন্সেসের অধ্যাপক জোনাথন ওয়েয়ারে এবং স্টাডি সহ-লেখক বলেছেন, “দীর্ঘতর সিমুলেটেড বা পর্যবেক্ষণ করা ডেটাসেটগুলি কাজ করছে না। আমাদের ডেটা উত্পন্ন করার জন্য আরও স্মার্ট উপায় সম্পর্কে চিন্তা করা দরকার।” “এই ক্ষেত্রে, এর অর্থ এই প্রশ্নের উত্তর দেওয়া ‘চূড়ান্ততার উপর আরও ভাল পারফরম্যান্স অর্জনের জন্য আমার প্রশিক্ষণের ডেটা কোথায় রাখা উচিত?’ ভাগ্যক্রমে, আমরা মনে করি এআই আবহাওয়ার মডেলগুলি যখন তারা সঠিক গাণিতিক সরঞ্জামগুলির সাথে জুটিবদ্ধ হয়, তখন এই প্রশ্নের উত্তর দিতে সহায়তা করতে পারে “”

শিকাগো বিশ্ববিদ্যালয়ের অধ্যাপক ডোরিয়ান অ্যাবট এবং কম্পিউটেশনাল সায়েন্টিস্ট মোহসেন জান্ডও এই গবেষণায় সহ-লেখক ছিলেন, পাশাপাশি ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের সান্তা ক্রুজের আশেশ চট্টোপাধ্যায়ও ছিলেন।

গবেষণায় শিকাগো বিশ্ববিদ্যালয় রিসার্চ কম্পিউটিং সেন্টার দ্বারা পরিচালিত সংস্থানগুলি ব্যবহার করা হয়েছিল।