గూగుల్ తన స్వంత కృత్రిమ మేధస్సు (AI) ఏజెంట్ ప్రపంచంలోని అత్యుత్తమ వాతావరణ అంచనాలను అధిగమించిందని బుధవారం తెలిపింది.
ఒక బ్లాగ్ పోస్ట్‌లో, ఇలాన్ ప్రైస్ మరియు మాథ్యూ విల్సన్, Google యొక్క డీప్‌మైండ్‌తో పరిశోధకులు, ఇటీవల తయారు చేసినట్లు చెప్పారు GenCast అనే “AI సమిష్టి మోడల్” “అత్యున్నత కార్యాచరణ వ్యవస్థ, యూరోపియన్ సెంటర్ ఫర్ మీడియం-రేంజ్ వెదర్ ఫోర్‌కాస్ట్స్’ (ECMWF) ENS కంటే 15 రోజుల ముందుగానే “రోజువారీ వాతావరణం మరియు విపరీత సంఘటనల గురించి మెరుగైన సూచనలను అందిస్తుంది. ”
విల్సన్ మరియు ప్రైస్ తమ పోస్ట్‌లో మోడల్ నైపుణ్యాలను విశ్లేషించడానికి ప్రయత్నిస్తున్నప్పుడు “2018 వరకు చారిత్రక వాతావరణ డేటాపై” GenCast బోధించారని “మరియు 2019 నుండి డేటాపై పరీక్షించారు” అని చెప్పారు.
“GenCast ECMWF యొక్క ENS కంటే మెరుగైన అంచనా నైపుణ్యాన్ని చూపించింది, ఇది అనేక జాతీయ మరియు స్థానిక నిర్ణయాలు ప్రతిరోజూ ఆధారపడి ఉండే అత్యుత్తమ కార్యాచరణ సమిష్టి అంచనా వ్యవస్థ” అని పరిశోధకులు తెలిపారు.
పరిశోధకులు ECMWF యొక్క ENS మరియు GenCast యొక్క సామర్థ్యాలను “వేర్వేరు ప్రధాన సమయాల్లో వివిధ వేరియబుల్స్ యొక్క అంచనాలను – మొత్తం 1320 కలయికలు” పరిశీలించడం ద్వారా అంచనా వేసినట్లు చెప్పారు.
అమెరికన్ మెటియోలాజికల్ సొసైటీ ప్రకారం, ఎ సూచన ప్రధాన సమయం “అంచనా జారీకి మరియు ఊహించిన దృగ్విషయాల సంభవానికి మధ్య ఉన్న కాలం.”
పరీక్షించిన వేరియబుల్స్‌లో గాలి వేగం మరియు ఉష్ణోగ్రత ఉన్నాయి, బ్లాగ్ పోస్ట్ చదివింది.
డీప్‌మైండ్ పరిశోధకుల అభిప్రాయం ప్రకారం, వేర్వేరు ప్రధాన సమయాల్లో వేర్వేరు వేరియబుల్స్ యొక్క అంచనాలకు వచ్చినప్పుడు వారి సిస్టమ్ 97.2 శాతం ఖచ్చితత్వంపై ENSని ఓడించింది.
ప్రధాన సమయాలు 36 గంటల కంటే ఎక్కువగా ఉన్నప్పుడు, 99.8 శాతం సమయాలలో వేర్వేరు వేరియబుల్స్‌ల అంచనాలపై ఖచ్చితత్వం కోసం GenCast ENSను ఓడించింది.
విల్సన్ మరియు ప్రైస్ మాట్లాడుతూ జెన్‌కాస్ట్ విజయవంతం అయినప్పటికీ, “సాంప్రదాయ నమూనాలు” అంచనా వేయడానికి చాలా అవసరం, ఎందుకంటే “జెన్‌కాస్ట్ వంటి మోడల్‌లకు అవసరమైన శిక్షణ డేటా మరియు ప్రారంభ వాతావరణ పరిస్థితులను అవి సరఫరా చేస్తాయి.”
“AI మరియు సాంప్రదాయ వాతావరణ శాస్త్రం మధ్య ఈ సహకారం అంచనాలను మెరుగుపరచడానికి మరియు సమాజానికి మెరుగైన సేవలందించడానికి మిశ్రమ విధానం యొక్క శక్తిని హైలైట్ చేస్తుంది” అని పరిశోధకులు తెలిపారు.
తదుపరి వ్యాఖ్య కోసం హిల్ ECMWFని సంప్రదించింది.
