এআই আবহাওয়ার পূর্বাভাস আশাব্যঞ্জক প্রমাণিত হতে পারে, কিন্তু একটি ধরা আছে

আবহাওয়ার সঠিকভাবে ভবিষ্যদ্বাণী করা কঠিন — সত্যিই কঠিন, কিন্তু একটি নতুন এআই-চালিত পূর্বাভাস মডেল একটি মাইলফলককে আঘাত করেছে যা বিশেষজ্ঞরা বলছেন যে আপনার পূর্বাভাস শীঘ্রই আরও সঠিক হতে পারে, এবং আরও বেশি।

প্রতিনিয়ত প্রবাহিত বায়ুমণ্ডলে আবহাওয়ার সাথে তাল মিলিয়ে চলার জন্য একটি হারকিউলিয়ান প্রচেষ্টা লাগে। কাজটি এতটাই কঠিন এবং জটিল যে কয়েক দিন আগে একটি নির্ভরযোগ্য পূর্বাভাস মাত্র কয়েক দশক আগেও শোনা যায়নি।

1980 এর দশকের গোড়ার দিকে পাঁচ দিনের পূর্বাভাস সময়ের প্রায় 65 শতাংশ সঠিক ছিল। তবে উন্নত আবহাওয়া পর্যবেক্ষণ, আরও শক্তিশালী কম্পিউটিং শক্তি এবং বিশ্বব্যাপী আবহাওয়া যেভাবে কম্পিউটার দ্বারা মডেল করা হয়েছে তাতে উদ্ভাবনগুলি লাফিয়ে ও সীমানা দ্বারা পূর্বাভাসকে উন্নত করেছে। আজ একই পূর্বাভাস 10 এর মধ্যে নয়বার চিহ্ন হিট করে।

পূর্বাভাস এই মাসে আরও একটি ধাপ এগিয়ে নিয়ে গেছে, বিশেষজ্ঞরা বলেছেন, GenCast কে ধন্যবাদ, গুগলের ডিপমাইন্ডের একটি নতুন কৃত্রিম বুদ্ধিমত্তা পূর্বাভাস মডেল। নেচার জার্নালে ডিপমাইন্ড দ্বারা প্রকাশিত একটি সমীক্ষা অনুসারে, 15 দিনের মধ্যে এর পূর্বাভাসগুলি সর্বাধিক সম্মানিত ঐতিহ্যবাহী নন-এআই পূর্বাভাস মডেলগুলির তুলনায় উল্লেখযোগ্যভাবে আরও সঠিক ছিল।

“এটি একটি চিত্তাকর্ষক ফলাফল,” পিটার ডুবেন বলেছেন, একজন মেশিন লার্নিং বিশেষজ্ঞ এবং ইউরোপিয়ান সেন্টার ফর মিডিয়াম-রেঞ্জ ওয়েদার ফোরকাস্টের আর্থ সিস্টেম মডেলিংয়ের প্রধান, GenCast দ্বারা বেস্ট করা মডেলের বাড়ি৷ “এটি একটি বড় পদক্ষেপ।”

GenCast এখনও জনসাধারণের জন্য প্রস্তুত নয়। এটি এবং অন্যান্য AI মডেলগুলির এখনও কিছু মূল সমস্যা রয়েছে, বিশেষ করে একটি উষ্ণতা বৃদ্ধিকারী বিশ্বের আরও ঘন ঘন এবং গুরুতর আবহাওয়ার পূর্বাভাস দেওয়ার আগে, তারা পূর্বাভাস পরিবর্তন করে এবং প্রক্রিয়ায় জীবন বাঁচায়।

মানুষ বনাম মেশিন

আবহাওয়ার পূর্বাভাস মডেলগুলির দক্ষতা এবং উপযোগিতা সর্বদা প্রযুক্তির সাথে ঘনিষ্ঠভাবে আবদ্ধ।

বর্তমানে ব্যবহৃত বেশিরভাগ আবহাওয়ার পূর্বাভাস মডেলগুলি গাণিতিক সমীকরণের একটি জটিল সিরিজের উপর ভিত্তি করে যা বায়ুমণ্ডলের পদার্থবিদ্যাকে মডেল করে এবং বাস্তব-সময়ের আবহাওয়া পর্যবেক্ষণ থেকে কয়েক মিলিয়ন ডেটাপয়েন্ট ব্যবহার করে একটি ছবি আঁকার জন্য আবহাওয়া কীভাবে একটি দিন চলবে। , এখন থেকে এক সপ্তাহ বা এমনকি একটি মৌসুম।

সংখ্যাসূচক আবহাওয়ার পূর্বাভাসের এই প্রক্রিয়াটি প্রথম 1900 এর দশকের গোড়ার দিকে ধারণা করা হয়েছিল এবং এটি হাতে করা দরকার ছিল, একটি পদ্ধতি এত ধীর যে আবহাওয়া ইতিমধ্যেই গণনা শেষ হওয়ার অনেক আগেই ঘটেছিল।

প্রারম্ভিক কম্পিউটারগুলি 1950 এবং 1960 এর দশকে পূর্বাভাস উন্নত করেছিল, কিন্তু 1974 সাল না হওয়া পর্যন্ত প্রথম মডেলটি সারা বিশ্ব থেকে ডেটা সংগ্রহ করতে এবং একটি প্রাথমিক পূর্বাভাস তৈরি করতে সক্ষম হয়েছিল।

বর্তমান দিনে এড়িয়ে যান এবং সুপারকম্পিউটারগুলি বিশ্বজুড়ে ভবিষ্যতে অনেক দিনের মধ্যে অত্যন্ত বিশদ আবহাওয়ার পূর্বাভাস তৈরি করতে প্রতিদিন প্রায় অকল্পনীয় সংখ্যক গণনা সম্পাদন করছে।

কিন্তু বর্তমান পূর্বাভাস মডেলের এখনও সীমাবদ্ধতা আছে। জটিল গণনাগুলিকে ক্রাঞ্চ করতে কতক্ষণ সময় লাগে তার কারণে সবচেয়ে মজবুতগুলি প্রতি কয়েক ঘণ্টায় চালানো যেতে পারে। তারা প্রচুর কম্পিউটিং শক্তি এবং শক্তির দাবি করে যা তাদের ব্যয়বহুল করে তোলে।

এবং পূর্বাভাসের ক্ষেত্রেও তাদের সীমাবদ্ধতা রয়েছে। বায়ুমণ্ডলের পর্যবেক্ষণ থেকে তারা যতদূর এগিয়ে যায়, কী হতে চলেছে সে সম্পর্কে স্পষ্ট ধারণা পাওয়া তত বেশি কঠিন কারণ বায়ুমণ্ডল কখনই পরিবর্তন হওয়া বন্ধ করে না।

গুগলের জেনকাস্টের মতো বেশিরভাগ এআই আবহাওয়ার পূর্বাভাস মডেলগুলি একটি ভিন্ন পদ্ধতি গ্রহণ করে। পদার্থবিদ্যা-ভিত্তিক সমীকরণগুলিতে প্লাগ করা পর্যবেক্ষণের উপর নির্ভর করার পরিবর্তে, তারা অনুরূপ পরিস্থিতিতে বায়ুমণ্ডল কীভাবে আচরণ করেছে তা বোঝার জন্য যাচাইকৃত অতীতের আবহাওয়ার ডেটা বিশ্লেষণ করে ভবিষ্যতে পৃথিবীর বায়ুমণ্ডল কীভাবে আচরণ করতে পারে তা ভবিষ্যদ্বাণী করে। এটি রিয়েল-টাইম আবহাওয়া ডেটা থেকে ত্রুটিগুলি দূর করে ঐতিহ্যগত মডেলগুলির উপর নির্ভুলতা উন্নত করতে সাহায্য করে।

এআই পূর্বাভাস মডেলগুলিও অনেক দ্রুত সিমুলেশন চালায় এবং প্রশিক্ষিত এবং যাওয়ার জন্য প্রস্তুত হয়ে গেলে প্রথাগত মডেলগুলির তুলনায় কম কম্পিউটিং শক্তি এবং শক্তি ব্যবহার করে। এর অর্থ হল সেগুলি আরও ঘন ঘন চালানো যেতে পারে এবং সম্ভাবনার বিস্তৃত পরিসরের মডেল তৈরি করতে পারে, তারা যেমন করে পূর্বাভাস উন্নত করে।

গুগলের গেম চেঞ্জার

Google-এর GenCast-এর আগে AI ওয়েদার মডেলিং এমন মডেলের মধ্যে সীমাবদ্ধ ছিল যেগুলি কতটা ঘটতে পারে তার কোনও ইঙ্গিত ছাড়াই একটি একক পূর্বাভাস দেয়। এটি মূলত একটি সর্বোত্তম অনুমান যা তাপমাত্রা, বৃষ্টিপাত এবং বাতাসের মতো সাধারণ আবহাওয়ার ভেরিয়েবলের পূর্বাভাস দেওয়ার জন্য সবচেয়ে কার্যকর কিছু দিন আগে।

কিন্তু GenCast একযোগে কয়েক ডজন সিমুলেশন চালায়।

নতুন গবেষণার প্রধান লেখক ইলান প্রাইসের মতে, “একবার আপনার একাধিক সম্ভাব্য ভবিষ্যত থাকলে এটি আপনাকে কী ঘটতে পারে তার উভয় পরিসরের ধারনা দেয় এবং এটি আপনাকে গণনা করতে দেয় যে কিছু (ফিউচার) অন্যদের চেয়ে কতটা সম্ভাবনাময়।” এবং ডিপমাইন্ডের একজন সিনিয়র গবেষণা বিজ্ঞানী।

এই ধরণের মডেলিং পদ্ধতিকে অত্যন্ত সম্মান করা হয় কারণ এটি ভবিষ্যতে প্রায় পাঁচ থেকে 15 দিনের আবহাওয়ার পূর্বাভাসকে আরও আস্থা দেয়।

ইউরোপিয়ান সেন্টার ফর মিডিয়াম-রেঞ্জ ওয়েদার ফোরকাস্টের মডেলটিকে গোল্ড স্ট্যান্ডার্ড হিসেবে বিবেচনা করা হয়। গুগল তার প্রথম ধরণের এআই সংস্করণ দিয়ে এটিকে হারাতে চেয়েছিল – এবং এটি করেছে।

গবেষকরা 2018 সাল পর্যন্ত 40 বছরের আবহাওয়ার ডেটার উপর GenCast-কে প্রশিক্ষণ দিয়েছেন। তারপর তারা 2019-এর আবহাওয়ায় তাপমাত্রা, বৃষ্টিপাত এবং বাতাসের গতির মতো পরিস্থিতির 1,300টিরও বেশি সমন্বয়ের পূর্বাভাস দিতে প্রশিক্ষিত মডেল ব্যবহার করেছেন।

AI মডেলটি 15 দিনের সময়সীমার মধ্যে এই ভেরিয়েবলগুলির 97% এরও বেশি ECMWF-এর ঐতিহ্যবাহী মডেলের তুলনায় আরও সঠিক পূর্বাভাস তৈরি করেছে, কিন্তু পূর্বাভাসের প্রথম সপ্তাহের মধ্যে বিশেষ দক্ষতা দেখিয়েছে।

এটি মূল্য অনুসারে পরীক্ষিত ভেরিয়েবলের সঠিক সংমিশ্রণের উপর নির্ভর করে তিন থেকে পাঁচ দিনের পরিসরে পূর্বাভাসের উপর 10 থেকে 30% নির্ভুলতার উন্নতি দেখায়। GenCast ভবিষ্যতে 15 দিন পর্যন্ত ECMWF এর মডেলের চেয়ে আরও সঠিক পূর্বাভাস দিয়েছে, গবেষণায় বলা হয়েছে।

এআই মডেল ব্যতিক্রমী উচ্চ এবং নিম্ন তাপমাত্রা এবং চরম বাতাসের গতি সহ চরম আবহাওয়ার কিছু রূপকে আরও ভালভাবে ক্যাপচার করতে পারে। প্রথাগত মডেলগুলির জন্য প্রয়োজনীয় ঘন্টার তুলনায় GenCast-এর একটি সুপার কম্পিউটারে চালানোর জন্য 10 মিনিটেরও কম সময় লাগে।

ফলাফলগুলি এআই আবহাওয়া মডেলিং প্রযুক্তিতে একটি “ইনফ্লেকশন পয়েন্ট” চিহ্নিত করেছে, প্রাইস বলেছেন।

“এআই-ভিত্তিক আবহাওয়ার পূর্বাভাস প্রাইম টাইমের জন্য প্রস্তুত,” প্রাইস যোগ করেছেন। “এটি… সনাতন মডেলগুলির পাশাপাশি নিগমিত হওয়া শুরু করার জন্য প্রস্তুত।”

GenCast এখনও চালু নেই, কিন্তু প্রাইস অনুসারে ডিপমাইন্ড দল তার বর্তমান সময়ের পূর্বাভাস এবং অতীতের পূর্বাভাসের একটি সংরক্ষণাগার প্রকাশ করে এর দিকে আরও একটি পদক্ষেপ নেওয়ার পরিকল্পনা করেছে।

সমাধান করার জন্য একটি বড় সমস্যা

GenCast মডেলিংয়ে একটি গুরুত্বপূর্ণ অগ্রগতি, কিন্তু অন্য যেকোনো আবহাওয়ার পূর্বাভাস মডেলের মতো এটি নিখুঁত নয়।

এআই মডেলগুলি একটি নতুন সম্ভাব্য সমস্যা প্রবর্তন করে কারণ তারা অতীতের ডেটাতে যা দেখেছে তার উপর ভিত্তি করে ভবিষ্যতের ভবিষ্যদ্বাণী করে।

“মেশিন লার্নিং মডেল… পদার্থবিদ্যা সম্পর্কে কিছুই জানে না,” ডুবেন ব্যাখ্যা করলেন।

এটি AI এর পক্ষে ভবিষ্যতের চরম সম্পর্কে ধারণা করা কঠিন করে তুলতে পারে যা সাম্প্রতিক অতীতে ঘটেনি। শুধুমাত্র 40 বছরের ডেটার উপর প্রশিক্ষিত একটি AI মডেল কি পরিবর্তিত জলবায়ুতে রেকর্ড গতিতে ঘটতে থাকা চরমের ধরনগুলি সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে, যেমন 100 বছরে একবার বা 1000 বছরে একবার প্রবল বৃষ্টিপাতের ঘটনা?

“এটি দেখা যাচ্ছে যে আসলে এই মডেলগুলি আপনার ভাবার চেয়ে সেই চরম ঘটনাগুলির জন্য আরও শক্তিশালী,” ডুবেন বলেছিলেন। ECMWF এখন এক বছরেরও বেশি সময় ধরে রিয়েল-টাইম আবহাওয়ার বিরুদ্ধে AI মডেলগুলি পরীক্ষা করেছে এবং তাদের সামগ্রিক নির্ভুলতার উন্নতি দেখেছে, এমনকি চরম ঘটনাগুলির সাথেও, তিনি ব্যাখ্যা করেছেন।

তবে এআই মডেলগুলি পৃথিবীতে অসম্ভব-অসম্ভব পদার্থবিদ্যা উদ্ভাবন করা শুরু করতে পারে যতটা তারা দেখায়, ডুবেনের মতে।

অন্যান্য ভবিষ্যদ্বাণীর সমস্যাগুলি রয়ে গেছে, বিশেষ করে সবচেয়ে ধ্বংসাত্মক আবহাওয়ার ঘটনাগুলির মধ্যে একটি: গ্রীষ্মমন্ডলীয় ঘূর্ণিঝড়।

হারিকেন বা টাইফুনের মতো একটি গ্রীষ্মমন্ডলীয় ঘূর্ণিঝড় কতটা শক্তিশালী হতে পারে তা সঠিকভাবে ভবিষ্যদ্বাণী করা একটি সমস্যা যা সমস্ত মডেলকে জর্জরিত করে। জীবাশ্ম জ্বালানী দূষণের কারণে বিশ্ব উষ্ণায়নে গ্রীষ্মমন্ডলীয় সিস্টেমগুলি শক্তিশালী হয়ে ও দ্রুত ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন আসে।

গ্রীষ্মমন্ডলীয় সিস্টেমের ট্র্যাকগুলির ভবিষ্যদ্বাণী করার সময় GenCast প্রথাগত মডেলগুলির চেয়ে ভাল দক্ষতা দেখিয়েছিল কিন্তু মূল্য অনুসারে, তীব্রতা সঠিকভাবে ক্যাপচার করতে লড়াই করেছিল৷

আংশিকভাবে, এর কারণ হল সাম্প্রতিক কিছু উল্লেখযোগ্য রেকর্ড-ব্রেকিং সিস্টেম 40 বছরের ডেটাতে অন্তর্ভুক্ত করা হয়নি GenCast-এর উপর প্রশিক্ষণ দেওয়া হয়েছিল, প্রাইস উল্লেখ করেছেন।

এটি একটি সমস্যা মূল্য “বেশ আত্মবিশ্বাসী” মডেলটি আরও ডেটার উপর প্রশিক্ষণের কারণে ভবিষ্যতে কাটিয়ে উঠতে পারে৷

বাস্তব-বিশ্বের পদার্থবিদ্যার সাথে মেশিন লার্নিংকে একত্রিত করে উন্নয়নের মডেলও রয়েছে — যা হাইব্রিড মডেল নামে পরিচিত — যা এই সমস্যার কিছু সমাধান হতে পারে।

এই নতুন প্রযুক্তির সাথে প্রতিটি ধাপ এগিয়ে অন্য একটি হাতিয়ার যোগ করে মানব আবহাওয়ার পূর্বাভাসকারীরা সঠিক পূর্বাভাস তৈরি করতে ব্যবহার করতে পারে যা মানুষ তাদের জীবনের প্রায় প্রতিটি ক্ষেত্রে নির্ভর করে।

“আপনি নীতিগতভাবে মেশিন লার্নিং পূর্বাভাসের বিরুদ্ধে যতটা চান ততটা সন্দিহান হতে পারেন,” ডুবেন বলেছিলেন। “এই মডেলগুলি আমাদের আবহাওয়ার পূর্বাভাসের উপর ইতিবাচক প্রভাব ফেলবে; সেখানে কোন প্রশ্ন নেই।”