আজকের আবহাওয়ার পূর্বাভাসগুলি জটিল মডেলগুলির উপর ভিত্তি করে তৈরি করা হয় যা বায়ুমণ্ডল এবং মহাসাগরের গতিশীলতাকে নিয়ন্ত্রণ করে এমন আইনগুলিকে অন্তর্ভুক্ত করে এবং এই মডেলগুলি বিদ্যমান কিছু শক্তিশালী সুপার কম্পিউটারে চলে৷ যাইহোক, অ্যালফাবেট (গুগলের মূল সংস্থা) ডিপমাইন্ড দ্বারা তৈরি করা কৃত্রিম বুদ্ধিমত্তার জন্য ধন্যবাদ, ব্যক্তিগত কম্পিউটারের আকারের একটি একক মেশিন ব্যবহার করে মাত্র এক মিনিটে আগামী 10 দিনের জন্য বিশ্বব্যাপী আবহাওয়ার পূর্বাভাস দিতে সক্ষম হয়েছে৷ দ্য গুগল এআই আবহাওয়ার পূর্বাভাস দেয় এবং এই মাত্র শুরু হয়েছে.
এই নিবন্ধে আমরা আপনাকে বলতে যাচ্ছি যে কীভাবে Google AI আবহাওয়ার পূর্বাভাস দেয় এবং কীভাবে এই প্রযুক্তিটি বিবর্তিত হয়েছে।
গুগল এআই আবহাওয়ার পূর্বাভাস দেয়
আশ্চর্যজনকভাবে, এই এআই সিস্টেমটি প্রায় প্রতিটি ক্ষেত্রেই সবচেয়ে আধুনিক আবহাওয়ার পূর্বাভাস সিস্টেমকে ছাড়িয়ে যায়। মজার ব্যাপার হল, এটা দেখা যাচ্ছে যে এবার কৃত্রিম বুদ্ধিমত্তা মানুষের বুদ্ধিমত্তার পরিপূরক হিসেবে কাজ করছে বরং এটি প্রতিস্থাপন করছে।
ইউরোপীয় সেন্টার ফর মিডিয়াম-রেঞ্জ ওয়েদার ফোরকাস্টস (ECMWF) এর একটি অবিশ্বাস্যভাবে উন্নত সিস্টেম রয়েছে যা গত বছর একটি বড় আপগ্রেড করেছে, এর ভবিষ্যদ্বাণী করার ক্ষমতা উন্নত করেছে। ইতালির বোলোগনায় এর সুবিধাগুলিতে হোস্ট করা হয়েছে, আনুমানিক এক মিলিয়ন প্রসেসর দিয়ে সজ্জিত একটি সুপার কম্পিউটার রয়েছে (একটি ব্যক্তিগত কম্পিউটারে পাওয়া দুই বা চারটির বিপরীতে) এবং 30 পেটাফ্লপের একটি অসাধারণ কম্পিউটিং শক্তি, যা প্রতি সেকেন্ডে 30.000 ট্রিলিয়ন গণনার সমান।
এই বিপুল কম্পিউটেশনাল ক্ষমতা তার একটি টুল, হাই রেজোলিউশন ফোরকাস্টিং (HRES) এর জন্য প্রয়োজনীয়, যা মধ্যমেয়াদী বৈশ্বিক আবহাওয়ার ধরণগুলির সঠিকভাবে পূর্বাভাস দেয়, যা তারা সাধারণত নয় কিলোমিটারের একটি চিত্তাকর্ষক স্থানিক রেজোলিউশন সহ 10 দিন ব্যাপ্ত হয়. এই ভবিষ্যদ্বাণীগুলি সারা বিশ্বের আবহাওয়াবিদদের দ্বারা পরিবেশিত আবহাওয়ার পূর্বাভাসের ভিত্তি হিসাবে কাজ করে। সম্প্রতি, গ্রাফকাস্ট, গুগল ডিপমাইন্ড দ্বারা তৈরি একটি কৃত্রিম বুদ্ধিমত্তা, আবহাওয়ার পূর্বাভাসে এই শক্তিশালী সিস্টেমের ক্ষমতা পরিমাপ করতে ব্যবহার করা হয়েছে।
এআই অধ্যয়নের ফলাফল
সায়েন্স জার্নালে মঙ্গলবার প্রকাশিত তুলনা ফলাফলগুলি প্রকাশ করে যে গ্রাফকাস্ট অনেক আবহাওয়ার কারণগুলির পূর্বাভাস দেওয়ার ক্ষেত্রে HRES-কে ছাড়িয়ে গেছে। গবেষণা অনুযায়ী, Google-এর মেশিন পরীক্ষা করা 90,3টি মেট্রিকের মধ্যে 1.380% ECMWF-কে ছাড়িয়ে গেছে।
শুধুমাত্র ট্রপোস্ফিয়ারের উপর ফোকাস করার সময়, বায়ুমণ্ডলীয় স্তর যেখানে বেশিরভাগ আবহাওয়ার ঘটনা ঘটে এবং স্ট্র্যাটোস্ফিয়ার থেকে ডেটা বাদ দিয়ে, যা পৃথিবীর পৃষ্ঠ থেকে প্রায় 6 থেকে 8 কিলোমিটার উপরে, কৃত্রিম বুদ্ধিমত্তা (A.I.) ) মানুষের তত্ত্বাবধানে থাকা সুপারকম্পিউটারগুলির থেকে 99,7% XNUMX. মামলা ভেরিয়েবল বিশ্লেষণ করা হয়েছে। আশ্চর্যজনকভাবে, এই কৃতিত্বটি এমন একটি মেশিন ব্যবহার করে অর্জিত হয়েছিল যা ঘনিষ্ঠভাবে টেনসর প্রসেসিং ইউনিট বা TPU নামে পরিচিত একটি ব্যক্তিগত কম্পিউটারের সাথে সাদৃশ্যপূর্ণ।
গুগল ডিপমাইন্ড-এর গবেষক আলভারো সানচেজ গনজালেজের মতে, টিপিইউ হল বিশেষ হার্ডওয়্যার যা একটি সাধারণ পিসির তুলনায় কৃত্রিম বুদ্ধিমত্তা সফ্টওয়্যারকে আরও দক্ষ প্রশিক্ষণ এবং কার্যকর করার প্রস্তাব দেয়, একই আকার বজায় রেখে। ঠিক যেমন একটি কম্পিউটারের গ্রাফিক্স কার্ড রেন্ডারিং ইমেজগুলিতে ফোকাস করে, টিপিইউগুলি ম্যাট্রিক্স পণ্যগুলিতে এক্সেল করার জন্য ডিজাইন করা হয়েছে। GraphCast প্রশিক্ষণের জন্য, আমরা বেশ কয়েক সপ্তাহ ধরে 32 টিপিইউ ব্যবহার করেছি। তবে ট্রেনিং শেষ হলে, একটি একক TPU এক মিনিটেরও কম সময়ে পূর্বাভাস তৈরি করতে পারে, যেমনটি ব্যাখ্যা করেছেন সানচেজ গঞ্জালেজ, ডিভাইসটির নির্মাতাদের একজন।
গ্রাফকাস্ট এবং ভবিষ্যদ্বাণী সিস্টেম
গ্রাফকাস্ট এবং বিদ্যমান ভবিষ্যদ্বাণী সিস্টেমগুলির মধ্যে একটি উল্লেখযোগ্য পার্থক্য হল ঐতিহাসিক ডেটা অন্তর্ভুক্ত করার ক্ষমতা। নির্মাতারা 1979 সালের ECMWF আর্কাইভ থেকে আবহাওয়া সংক্রান্ত ডেটা ব্যবহার করে সিস্টেমটিকে প্রশিক্ষণ দিয়েছিলেন। এই বিস্তৃত ডেটা সেটটি কভার করে সান্তিয়াগোতে বৃষ্টিপাত এবং ঘূর্ণিঝড় যা 40 বছর ধরে আকাপুলকোকে প্রভাবিত করেছে. যথেষ্ট পরিমাণ প্রশিক্ষণের পর, গ্রাফকাস্টের রয়েছে সঠিক আবহাওয়ার পূর্বাভাস তৈরি করার অসাধারণ ক্ষমতা।
এখন থেকে আরও ছয় ঘন্টা আবহাওয়ার সঠিক পূর্বাভাস দেওয়ার জন্য আপনার পূর্বাভাসের ছয় ঘন্টা আগে এবং অবিলম্বে আবহাওয়ার অবস্থার জ্ঞান প্রয়োজন। ভবিষ্যদ্বাণীগুলি পরস্পর নির্ভরশীল এবং প্রতিটি নতুন পূর্বাভাস পূর্ববর্তী একটিকে জানায়৷ এই চিত্তাকর্ষক ডিপমাইন্ড মেশিনের সহ-স্রষ্টা ফেরান আলেত, এর অভ্যন্তরীণ কার্যকারিতা ব্যাখ্যা করেছেন: “আমাদের নিউরাল নেটওয়ার্ক ছয় ঘন্টা আগে আবহাওয়ার পরিস্থিতির পূর্বাভাস দেয়। 24 ঘন্টার মধ্যে আবহাওয়ার পূর্বাভাস দিতে, আমরা কেবল মডেলটিকে চারবার মূল্যায়ন করি। বিকল্পভাবে, আমরা বিভিন্ন সময়ের জন্য আলাদা মডেল প্রশিক্ষিত করতে পারতাম, যেমন একটি ছয় ঘন্টার জন্য এবং একটি 24 ঘন্টার জন্য। যাহোক, "আমরা বুঝি যে আবহাওয়া নিয়ন্ত্রণকারী অন্তর্নিহিত নীতিগুলি ছয় ঘন্টা সময়ের মধ্যে সামঞ্জস্যপূর্ণ থাকে।".
"অতএব, যদি আমরা উপযুক্ত 6-ঘন্টার মডেল আবিষ্কার করতে পারি এবং ইনপুট হিসাবে এর নিজস্ব ভবিষ্যদ্বাণীগুলি ব্যবহার করতে পারি, তাহলে আমরা পরবর্তী 12 ঘন্টার জন্য আবহাওয়ার সঠিক পূর্বাভাস দিতে পারি এবং প্রতি ছয় ঘণ্টায় এই প্রক্রিয়াটি পুনরাবৃত্তি করতে পারি।" অ্যালেটের মতে, এই পদ্ধতিটি একটি একক মডেলের জন্য যথেষ্ট পরিমাণে ডেটা সরবরাহ করে, যার ফলে আরও দক্ষ প্রশিক্ষণ হয়।
এখন পর্যন্ত, আবহাওয়ার পূর্বাভাস সংখ্যাসূচক আবহাওয়ার পূর্বাভাসের উপর ভিত্তি করে করা হয়েছে, যা বায়ুমণ্ডলীয় গতিবিদ্যার বিভিন্ন জটিলতার জন্য ইতিহাস জুড়ে বিকশিত বৈজ্ঞানিক সমীকরণ ব্যবহার করে। গবেষকদের অনুসন্ধানগুলি গাণিতিক অ্যালগরিদমের একটি সেট স্থাপন করে যা সুপার কম্পিউটার পরবর্তী কয়েক ঘন্টা, দিন বা সপ্তাহের জন্য ভবিষ্যদ্বাণী তৈরি করতে দৌড়াতে হবে (যদিও নির্ভরযোগ্যতা 15 দিনের পরে উল্লেখযোগ্যভাবে হ্রাস পায়)। যাইহোক, এই কাজটি সম্পাদন করার জন্য একটি খুব উন্নত সুপার কম্পিউটার প্রয়োজন, যার জন্য উল্লেখযোগ্য খরচ এবং ব্যাপক প্রকৌশল প্রচেষ্টা জড়িত।
গুগল এআই মডেল আবহাওয়ার পূর্বাভাস দেয়
যা বিশেষভাবে উল্লেখযোগ্য তা হল এই সিস্টেমগুলি তারা আগের দিনের বা এমনকি আগের বছরের আবহাওয়া ব্যবহার করে না, একই জায়গায় এবং একই সময়ে ঘটলেও।
বিপরীতভাবে, এটি একটি ভিন্ন কোণ থেকে টাস্কের কাছে আসে, প্রায় বিপরীত। এর উন্নত গভীর শিক্ষার ক্ষমতার মাধ্যমে, এটি পৃথিবীর জলবায়ুর অগ্রগতি নির্দেশ করে এমন জটিল কারণ-এবং-প্রভাব গতিবিদ্যার একটি বিস্তৃত বোঝার জন্য অতীতের আবহাওয়ার ডেটার বিস্তৃত সংরক্ষণাগার ব্যবহার করে।
স্প্যানিশ আবহাওয়া সংস্থার (AEMET) মুখপাত্র জোসে লুইস কাসাডোর মতে, বায়ুমণ্ডলীয় মডেলে ঐতিহাসিক তথ্য বিবেচনা করা হয় না। ক্যাসাডো স্পষ্ট করে যে এই মডেলটি বিদ্যমান পর্যবেক্ষণের উপর ভিত্তি করে তৈরি করা হয়েছে এবং মডেলটি নিজেই তৈরি করা সবচেয়ে সাম্প্রতিক ভবিষ্যদ্বাণী। বায়ুমণ্ডলের বর্তমান অবস্থা সঠিকভাবে বোঝার মাধ্যমে এর ভবিষ্যত অগ্রগতির পূর্বাভাস দেওয়া সম্ভব। মেশিন লার্নিং কৌশলের বিপরীতে, এই পদ্ধতিটি ঐতিহাসিক ডেটা বা ভবিষ্যদ্বাণী ব্যবহার করে না।
