जैसे-जैसे 2025 अटलांटिक तूफान का मौसम करीब आ रहा है, शुरुआती आकलन से पता चलता है कि Google डीपमाइंड का एआई मौसम मॉडल पूर्वानुमान सटीकता और गति दोनों में पारंपरिक भौतिक मॉडल से काफी बेहतर प्रदर्शन करता है। यह परिवर्तन मौसम विज्ञान के क्षेत्र को नया आकार दे सकता है। डीपमाइंड की वेदर लैब जून से उष्णकटिबंधीय चक्रवात के पूर्वानुमान जारी कर रही है, और इसका प्रदर्शन राष्ट्रीय मौसम सेवा द्वारा उपयोग किए जाने वाले वैश्विक पूर्वानुमान प्रणाली (जीएफएस) से काफी आगे निकल गया है।
मियामी विश्वविद्यालय के जलवायु वैज्ञानिक ब्रायन मैकनोल्डी ने इस सीज़न में 13 तूफानों के पूर्वानुमान डेटा का विश्लेषण किया। उन्होंने पाया कि डीपमाइंड एआई मॉडल में 5 दिनों तक के पूर्वानुमान अंतराल के भीतर जीएफएस मॉडल की तुलना में कम औसत स्थिति त्रुटि थी। विशेष रूप से, 120-घंटे के पूर्वानुमान समय पर, डीपमाइंड मॉडल की ट्रैक त्रुटि 165 समुद्री मील थी, जबकि जीएफएस 360 समुद्री मील तक थी, जो दोगुने से अधिक का अंतर था।
यह अंतर मुख्यतः विभिन्न तकनीकी मार्गों से आता है। जीएफएस वायुमंडलीय गति के त्रि-आयामी सिमुलेशन करने के लिए स्पष्ट भौतिक समीकरणों पर निर्भर करता है, जिसके लिए एनओएए सुपर कंप्यूटर पर बड़ी मात्रा में गणना की आवश्यकता होती है। डीपमाइंड प्रणाली दशकों के मौसम संबंधी डेटा को प्रशिक्षित करने के लिए तंत्रिका नेटवर्क का उपयोग करती है और विशाल कंप्यूटिंग बुनियादी ढांचे की आवश्यकता के बिना पारंपरिक जीपीयू क्लस्टर पर मिनटों में पूर्वानुमान उत्पन्न कर सकती है।
तूफान शोधकर्ता माइकल लॉरी ने बताया कि एआई मॉडल पिछली भविष्यवाणी त्रुटियों से लगातार सीख सकते हैं और खुद को समायोजित कर सकते हैं, जो भौतिक सिस्टम नहीं कर सकते हैं। उन्होंने यह भी कहा कि एआई मॉडल को नए डेटा का उपयोग करके जल्दी से फिर से प्रशिक्षित किया जा सकता है, और उनकी सुधार की गति तेजी से बढ़ने की उम्मीद है, जबकि पारंपरिक मॉडल को केवल धीरे-धीरे अनुकूलित किया जा सकता है।
इतना ही नहीं, डीपमाइंड मॉडल मानव विशेषज्ञों और सर्वसम्मति मॉडल द्वारा विकसित आधिकारिक पूर्वानुमानों से भी आगे निकल जाता है जो पूर्वाग्रह को कम करने के लिए मल्टी-मॉडल परिणामों को एकीकृत करते हैं। यदि अंततः आधिकारिक डेटा द्वारा सत्यापित किया जाता है, तो यह पहली बार होगा कि एआई ने अटलांटिक बेसिन में स्वचालित और मैन्युअल सर्वसम्मति के पूर्वानुमानों को पार कर लिया है।
वर्तमान विश्लेषण यूरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट्स (ईसीएमडब्ल्यूएफ) मॉडल को कवर नहीं करता है, जिसे ऐतिहासिक रूप से वैश्विक बेंचमार्क माना गया है। ऐतिहासिक डेटा से पता चलता है कि ईसीएमडब्ल्यूएफ के उष्णकटिबंधीय चक्रवात ट्रैक की सटीकता आधिकारिक पूर्वानुमानों के समान या उससे थोड़ी बेहतर है, लेकिन इस सीज़न के डेटा से यह भी पता चलता है कि डीपमाइंड के प्रदर्शन को पार करना मुश्किल है।
डीपमाइंड प्रणाली के उत्कृष्ट प्रदर्शन ने पारंपरिक संख्यात्मक मौसम भविष्यवाणी की भविष्य की भूमिका के बारे में चर्चा छेड़ दी है। भौतिक मॉडल को लाखों ग्रिड बिंदुओं पर द्रव गतिशीलता, विकिरण हस्तांतरण और थर्मोडायनामिक समीकरणों को संसाधित करना होगा, जिसके लिए बड़ी कंप्यूटिंग शक्ति की आवश्यकता होती है और ट्रंकेशन त्रुटियों के लिए अतिसंवेदनशील होते हैं। दूसरी ओर, डेटा-संचालित तंत्रिका नेटवर्क, जटिल सूत्रों की आवश्यकता के बिना सीधे वैश्विक पुनर्विश्लेषण डेटा से गतिशील प्रक्रियाओं का अनुमान लगाते हैं।
एआई मॉडल "डीप जेनेरेटिव मॉडल" हैं जो उच्च-आयामी पैटर्न सीख सकते हैं। यह बताया गया है कि डीपमाइंड एक ही नेटवर्क में प्रक्षेपवक्र और तीव्रता की भविष्यवाणी को एक साथ संसाधित करने के लिए अस्थायी और स्थानिक भविष्यवाणी के लिए अनुकूलित एनकोडर-डिकोडर आर्किटेक्चर का उपयोग करता है। सिस्टम इस सीज़न में अधिकतम हवा की गति और दबाव परिवर्तन की भविष्यवाणी करने में भी स्थिर रहा है, जहां भौतिक मॉडल में अभी भी विसंगतियां हैं।
इस बीच, इस साल जीएफएस के प्रदर्शन ने मौसम विज्ञानियों को हैरान कर दिया है। इस मॉडल को 2019 में FV3 पावर कोर में अपग्रेड किया गया था, लेकिन परिवर्तन के बाद प्रदर्शन में गिरावट आई। लगातार मॉडल पूर्वाग्रहों और ट्रैक विचलन ने फ्रंटलाइन पूर्वानुमानकर्ताओं को उष्णकटिबंधीय प्रणालियों पर उनके मार्गदर्शन के प्रति अविश्वास पैदा कर दिया है।
लोरी और अन्य लोगों का अनुमान है कि संघीय बजट की कमी के कारण राष्ट्रीय मौसम सेवा में अवलोकन डेटा में अंतराल ने समस्या को बढ़ा दिया है, लेकिन कोई आधिकारिक मूल्यांकन जारी नहीं किया गया है।