گوگل ڈیپ مائنڈ اور گوگل ریسرچ کے سائنسدانوں نے آج موسم کی پیشن گوئی کے لیے مصنوعی ذہانت کا ایک نیا ماڈل جاری کیا جو ہمارے بدلتے ہوئے ماحول کو زیادہ واضح طور پر دیکھتا ہے اور اس کے رویے کی زیادہ کثرت سے پیش گوئی کرتا ہے۔
WeatherNext 3 موسمیات میں سمندری تبدیلی کی تازہ ترین لہر ہے جو گہری سیکھنے کی تکنیکوں کے ذریعے سامنے آئی ہے، اور Google کا کہنا ہے کہ یہ موسم کی معلومات فراہم کرنا شروع کر دے گا جو صارفین سرچ، Google Maps اور Gemini میں دیکھتے ہیں، نیز گوگل کے کلاؤڈ پلیٹ فارمز پر صارفین اور محققین کے لیے دستیاب ہوں گے۔
گوگل کے ایک سینئر اسٹاف انجینئر، سمیر مرچنٹ نے ٹیک کرنچ کو بتایا، "یہ پہلی بار ہونے جا رہا ہے کہ کچھ بنیادی متغیرات گوگل کی بہت ساری مصنوعات کو فیڈ اور طاقت فراہم کرتے ہیں۔"
نیا ماڈل پہلے ہی آپریشنل ویدر بینچ پر آزمائے گئے سرکردہ دعویداروں میں سب سے زیادہ درست ثابت ہو چکا ہے، جو اسٹارٹ اپ برائٹ بینڈ کے ذریعہ تیار کردہ AI پیشن گوئیوں کا موازنہ کرنے کی افادیت ہے۔ یہ درجہ حرارت، ہوا کی رفتار، اور نمی جیسے میٹرکس کو دیکھتا ہے۔
گوگل، مائیکروسافٹ، نیوڈیا، اور یوروپی سنٹر فار میڈیم رینج ویدر فورکاسٹنگ کے ذریعہ بنائے گئے دیگر گہرے سیکھنے والے ماڈلز کو شکست دینے کے ساتھ ساتھ، یہ امریکی نیشنل ویدر سروس اور ای سی ایم ڈبلیو ایف کی روایتی پیشین گوئیوں کو بھی مات دیتا ہے۔
موسم کی زیادہ تر پیشین گوئیاں حکومت کے زیر ملکیت سپر کمپیوٹرز سے آتی ہیں جو موسم کی طبیعیات کو بیان کرنے کے لیے لکھی گئی ریاضی کی مساوات کے ذریعے مشقت کے ساتھ منتشر ہوتی ہیں۔ جبکہ یہ نظام قابل ذکر حد تک درست ہو چکے ہیں، وہ مہنگے اور نسبتاً سست ہیں۔ ای سی ایم ڈبلیو ایف کی جانب سے 2018 میں ان سسٹمز کے ذریعہ تیار کردہ نصف صدی سے زائد موسمی اعداد و شمار جاری کرنے کے بعد، گہری سیکھنے والے محققین نے ایسے ماڈلز کی تربیت شروع کی جو حکومتی ٹولز سے کہیں زیادہ تیزی اور تقابلی درستگی کے ساتھ پیشین گوئیاں کر سکیں۔
"موسم افراتفری کا شکار ہے، اور اس لیے چھوٹے چھوٹے فرق واقعی بڑے پیمانے پر پریشان ہونے لگتے ہیں...مشین لرننگ اس مسئلے کو نشانہ بناتی ہے جسے ہم واقعی حل کر رہے ہیں، جو کہ نامکمل معلومات اور محدود کمپیوٹ سے تقریباً شور والی طبیعیات ہے، اور اس لیے یہ بہت سارے ڈیٹا سے پیٹرن سیکھتا ہے،" فیران ایلیٹ، ڈیپ مائنڈ کے ایک اسٹاف ریسرچ سائنٹسٹ مینیجر۔
اس کے بعد سے، ماڈل بنانے والوں نے AI کی پیشن گوئی کرنے والے ماڈلز کی اہم کمزوریوں پر زور دیا ہے: وہ واقعی مفید ہونے سے کہیں زیادہ وسیع رقبہ — 15 سے 25 مربع کلومیٹر — پر پیش گوئی کرتے ہیں، وہ بارش کے ساتھ ہمیشہ اچھے نہیں ہوتے ہیں، اور وہ اب بھی سرکاری ایجنسیوں کے تیار کردہ فارمیٹ شدہ ڈیٹا سیٹس پر انحصار کرتے ہیں۔
WeatherNext 3 تینوں چیلنجوں کا مقابلہ کرتا ہے۔ کلیدی متغیرات پر، محققین نے TechCrunch کو بتایا، یہ 5 کلومیٹر کے ریزولوشن کی پیش گوئی کر سکتا ہے۔ بارش سے متعلق اس کی تشخیص WeatherNext 2 کے مقابلے میں 60% بہتر ہوئی ہے، اور یہ اب ہر چھ گھنٹے میں معیاری پیشین گوئی کے بجائے فی گھنٹہ کے حساب سے پیشین گوئیاں کر سکتا ہے۔
یہ اصلاحات ڈیزائنرز کے مخصوص انتخاب کا نتیجہ ہیں۔ WeatherNext 3 ایک بڑا ماڈل ہے، جس میں اپنے پیشرو سے 2.4 گنا زیادہ پِیرامیٹرز ہیں، اور مزید مفید جوابات دینے کے لیے ڈیکوڈر ہیڈز کے اہداف کو تیار کرتے ہیں۔ جب کہ زیادہ تر موسم کی پیشن گوئی کی پیداوار 3D گرڈ پر اوسط کے حساب سے ہوتی ہے، ڈیپ مائنڈ کے محققین نے پہلے ہی طوفان کے راستوں کو دیکھنے کے لیے اپنے ماڈل کو ٹیوننگ کرکے تعریفیں جیت لی ہیں۔
اس بار، ڈیزائنرز نے بھی ماڈل کو تربیت دی کہ وہ اپنی پیشن گوئیوں کو مخصوص موسمی ڈیٹا سٹیشنوں کو نشانہ بنائے۔ یہ نہ صرف مزید دانے دار پیشین گوئیاں پیش کرنے کے لیے ضروری ہے، بلکہ اس کے کام کو مخصوص، زمینی سچائی کے اعداد و شمار کے خلاف جانچنے کے لیے بھی اہم ہے۔
برائٹ بینڈ کے ایک ماحولیاتی سائنس دان ڈینیل روتھنبرگ نے کہا، "بہت ساری AI ایپلی کیشنز کے ساتھ، خیال یہ ہے کہ کاموں کو ممکنہ حد تک انجام سے آخر تک چلانے کی کوشش کی جائے۔" "ایک قابلیت شامل کرنا جہاں یہ ماڈل اب پیشن گوئی بھی کر رہا ہے، کہتے ہیں، ڈینور کے ہوائی اڈے کا موسمی اسٹیشن فی گھنٹہ کی بنیاد پر کیا پیمائش کرنے جا رہا ہے، صرف اس پیشن گوئی کے کام کو مرکز سے جوڑتا ہے۔"
ماڈل زیادہ کثرت سے پیشن گوئی کرنے کے قابل ہے کیونکہ یہ ایک گھنٹہ کی بنیاد پر حقیقی وقت میں جمع کردہ موسمی سیٹلائٹ ڈیٹا کو کھا سکتا ہے۔ موسمی سپر کمپیوٹرز کے ذریعہ تیار کردہ تجزیہ کے بجائے خام تجرباتی مشاہدات پر AI ماڈلز کو کھانا کھلانا، زیادہ درست پیشن گوئی کا وعدہ کرتا ہے، لیکن غیر فارمیٹ شدہ ڈیٹا کے ساتھ کام کرنے کے لیے ماڈلز کو حاصل کرنا اب بھی تکنیکی طور پر مشکل ہے۔ گوگل کا کہنا ہے کہ WeatherNext 3 وہ "پہلا" AI ماڈل ہے جس نے اعلی ریزولوشن کی عالمی پیشن گوئی کے لیے خام مشاہدات کو براہ راست شامل کیا ہے، لیکن AI ویدر اسٹارٹ اپ WindBorne کا کہنا ہے کہ اس کا ماڈل، WeatherMesh 6، اپنے موسمی غباروں کے بیڑے اور دیگر ذرائع سے خام مشاہدات کو شامل کر رہا ہے۔ دنیا بھر میں اعلی قرارداد ہیں. قطع نظر، دونوں ماڈلز اب بھی پیشین گوئیاں کرنے کے لیے قومی موسمی ڈیٹاسیٹس پر انحصار کرتے ہیں، لہٰذا حقیقی براہ راست ڈیٹا کے امتزاج کے لیے مزید کام کی ضرورت ہوگی۔
جب کہ ایل ایل ایم زیادہ تر توجہ حاصل کرتے ہیں، موسمیات میں ٹرانسفارمر انقلاب اتنا ہی اہم رہا ہے۔ یورپی اور امریکی موسمیاتی ایجنسیاں پہلے سے ہی اپنی پیشن گوئی کی مصنوعات میں AI ماڈلز کا استعمال کر رہی ہیں، اور ان کی رفتار اور کم لاگت غریب علاقوں میں اقتصادی اثرات لانے کا وعدہ کرتی ہے جہاں اعلیٰ معیار کے سینسرز اور سپر کمپیوٹرز کے اخراجات نے درست پیشین گوئیاں پہنچ سے باہر کر دی ہیں۔
بل گیٹس نے حال ہی میں AI سے چلنے والی موسم کی پیشن گوئی کو ٹیکنالوجی کا ایک اہم فائدہ قرار دیا، جس میں بہتر پیشین گوئیاں ترقی پذیر ممالک میں فصل کی پیداوار کو بہتر بناتی ہیں۔ ڈیپ مائنڈ کے محقق Alet نے کہا کہ ہوا، بارش اور بادل کے احاطہ کی اعلی ریزولوشن پیشین گوئیاں قابل تجدید توانائی کے منصوبوں کو زیادہ قابل اعتماد بنانے کے لیے کارآمد ثابت ہوں گی۔
"دن کے اختتام پر، میرے خیال میں گوگل صارف کو مفید معلومات فراہم کرنے کے بارے میں ہے، اور صارفین جو کچھ تلاش کر رہے ہیں اس کا کسی نہ کسی طریقے سے موسم سے تعلق ہے،" الیٹ نے کہا۔
