আবহাওয়ার পূর্বাভাস সংক্ষিপ্ত দিগন্তে উল্লেখযোগ্যভাবে নির্ভরযোগ্য হয়ে উঠেছে: আজকের মডেলগুলি প্রায় দুই সপ্তাহের জন্য অত্যন্ত নির্ভুল, এবং দীর্ঘ-পরিসরের জলবায়ু অনুমানগুলিও স্থিরভাবে উন্নতি করছে। এই দুই সময়ের মাঝখানে, তবে, একগুঁয়ে অন্ধ জায়গা বসেছে। দুই-থেকে-ছয়-সপ্তাহের উইন্ডোতে পূর্বাভাস - যা উপ-মৌসুমী পূর্বাভাস হিসাবে পরিচিত - অবিশ্বস্ত রয়ে গেছে, যদিও এটি ঠিক সেই পরিসর যা ফসল রোপণ করার জন্য, কীভাবে জল এবং শক্তি বরাদ্দ করতে হবে এবং কীভাবে দাবানলের জন্য প্রস্তুত করতে হবে তা নির্ধারণের জন্য গুরুত্বপূর্ণ।

মাইক্রোসফ্ট রিসার্চ এবং বাহ্যিক সহযোগীদের একটি নেটওয়ার্ক বলে যে তারা সেই ব্যবধানকে সংকুচিত করার একটি উপায় খুঁজে পেয়েছে, অন্য একটি পূর্বাভাস মডেল তৈরি করে নয়, কিন্তু ইতিমধ্যে বিদ্যমান মডেলগুলির পূর্বাভাসযোগ্য ভুলগুলি সংশোধন করার জন্য সফ্টওয়্যার শেখানোর মাধ্যমে৷ প্রোব্যাবিলিস্টিক বায়াস কারেকশন (পিবিসি) নামে পরিচিত এই পদ্ধতিটি বৈজ্ঞানিক জার্নালে নেচারে প্রকাশিত একটি গবেষণাপত্রে বিস্তারিত এবং এই সপ্তাহে প্রকাশিত একটি মাইক্রোসফ্ট ব্লগ পোস্টে বর্ণনা করা হয়েছে। এটি [সর্বশেষ AI উন্নয়নের] (https://aibuzzwire.news) মধ্যে আবৃত প্রয়োগকৃত AI গবেষণার তরঙ্গের মধ্যে সবচেয়ে শান্তভাবে ব্যবহারিক এন্ট্রিগুলির মধ্যে একটি, কারণ এটি এমন সিস্টেমগুলিকে আপগ্রেড করে যা আবহাওয়াবিদরা তাদের নতুন কিছুতে স্যুইচ করতে বলার পরিবর্তে আগে থেকেই নির্ভর করে।

কেন দুই-থেকে-ছয়-সপ্তাহের উইন্ডোটি পূর্বাভাসকে অস্বীকার করে

পদার্থবিজ্ঞান-ভিত্তিক মডেলগুলি বৈজ্ঞানিক সমীকরণ ব্যবহার করে বায়ুমণ্ডল এবং মহাসাগরের অনুকরণ করে, যখন নতুন এআই মডেলগুলি পর্যবেক্ষণ করা আবহাওয়ার ডেটার বিশাল সংরক্ষণাগারগুলিতে প্রশিক্ষণ দেয়। মাইক্রোসফটের মতে, উভয় পরিবারই প্রায় দশ দিন ভালো পারফর্ম করে। সেই বিন্দুর বাইরে, ছোট প্রাথমিক ত্রুটিগুলি যৌগিক এবং বায়ুমণ্ডল, মহাসাগর এবং ভূমি পৃষ্ঠের মধ্যে জটিল মিথস্ক্রিয়া উভয় পদ্ধতিকে আবিষ্ট করে, যে কারণে দুই-থেকে-ছয়-সপ্তাহের দৃষ্টিভঙ্গি পূর্বাভাসের বাকি অংশ থেকে পিছিয়ে রয়েছে।

প্রতিযোগী মডেলগুলির একটি ভিড় ক্ষেত্র প্রবেশ করার পরিবর্তে, মাইক্রোসফ্ট-এর নেতৃত্বাধীন দল একটি ভিন্ন লক্ষ্যের উপর দৃষ্টি নিবদ্ধ করে: এই পরিসরে মডেলগুলি যে পদ্ধতিগত, পুনরাবৃত্তিযোগ্য ত্রুটিগুলি করে। "আমাদের নতুন পাইপলাইন (PBC) আপনার পছন্দের মডেলটিকে ইনপুট হিসাবে নেয় এবং শিখে যে এটি কোন উপায়ে ভুল করতে থাকে। তারপরে এটি সেই ত্রুটিগুলিকে সংশোধন করে, উপ-মৌসুমী পরিসরের জন্য একটি ভাল আউটপুট পূর্বাভাস প্রদান করে," কোম্পানিটি তার ব্লগ পোস্টে ব্যাখ্যা করেছে।

বিদ্যমান মডেলের উপরে একটি হালকা স্তর

টেকনিক্যালি, পিবিসি হল একটি লাইটওয়েট মেশিন লার্নিং সিস্টেম যেটি কোন প্রদত্ত মডেলের ঐতিহাসিক পূর্বাভাসের সংরক্ষণাগার অধ্যয়ন করে তা শিখতে পারে যে কোথায় এবং কীভাবে এটি পদ্ধতিগতভাবে পক্ষপাতদুষ্ট। একবার সেই নিদর্শনগুলি শেখা হয়ে গেলে, সিস্টেমটি ক্ষতিপূরণের জন্য মডেলের সম্ভাব্য আউটপুট সামঞ্জস্য করে। নেচার পেপারে বর্ণিত মূল্যায়নে, মাইক্রোসফ্ট রিপোর্ট করেছে যে পিবিসি বিশ্বের নেতৃস্থানীয় অপারেশনাল ডিবিয়াসড সাব-সিজনাল মডেলের কর্মক্ষমতা উন্নত করেছে, যা ইউরোপীয় সেন্টার ফর মিডিয়াম-রেঞ্জ ওয়েদার ফোরকাস্টস (ECMWF) দ্বারা পরিচালিত।

ফলাফল লাইভ প্রতিযোগিতায় অনুষ্ঠিত হয়, শুধুমাত্র পূর্ববর্তী পরীক্ষায় নয়। ECMWF আগস্ট 2025-এ AI ওয়েদার কোয়েস্ট চালু করেছে, একটি রিয়েল-টাইম প্রতিযোগিতা সম্ভাব্য উপ-মৌসুমী পূর্বাভাসকে অগ্রসর করার জন্য ডিজাইন করা হয়েছে। MicroEnsemble নামক একটি দল, মাইক্রোসফ্ট গবেষক এবং বহিরাগত সহযোগীদের দ্বারা গঠিত, MicroDuet নামে একটি এন্ট্রির সাথে শীর্ষ সম্মান অর্জন করেছে, যা ECMWF-এর শিল্প-নেতৃস্থানীয় গতিশীল মডেলে PBC প্রয়োগ করেছে।

"এআই ওয়েদার কোয়েস্ট উপ-মৌসুমী পূর্বাভাসের জন্য একটি অনন্য রিয়েল-টাইম বেঞ্চমার্কিং প্ল্যাটফর্ম প্রদান করে," বলেছেন ডাঃ জোশুয়া তালিব, ECMWF-এর উপ-মৌসুমী পূর্বাভাসের একজন বিজ্ঞানী। "টিম মাইক্রোএনসেম্বলের অবদানগুলি স্পটলাইট করেছে যে কীভাবে মেশিন লার্নিং পোস্ট-প্রসেসিংয়ের মাধ্যমে ঐতিহ্যগত গতিশীল পূর্বাভাস সিস্টেমের দক্ষতা বাড়াতে পারে।"

পূর্ব আফ্রিকার বেঞ্চমার্ক থেকে রিয়েল-ওয়ার্ল্ড পাইলট পর্যন্ত

কৌশলটি ইতিমধ্যে মানদণ্ডের বাইরে চলে যাচ্ছে। কেনিয়াতে, পূর্বাভাসকারীরা PBC পরীক্ষা করার প্রস্তুতি নিচ্ছেন কারণ দেশের দুটি বর্ষার ঋতুর মধ্যে একটি চলছে। এই প্রচেষ্টায় কেনিয়া মেটিওরোলজিক্যাল সার্ভিস অথরিটি (KMSA) এবং ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের জলবায়ু ঝুঁকি কেন্দ্রের বিজ্ঞানীরা জড়িত, সান্তা বারবারার, জেনেভিভ ফ্ল্যাসপোহ্লারের পরামর্শে, যিনি রাইজা রিসার্চ পরিচালনা করেন, একটি অলাভজনক সংস্থা যা এআই-চালিত আবহাওয়ার পূর্বাভাস উন্নত করার উপর দৃষ্টি নিবদ্ধ করে৷

Flaspohler যুক্তি দেন যে একটি পূর্বাভাসের মান এটির উপর কাজ করার জন্য সময়ে পৌঁছার উপর নির্ভর করে। "একটি ভাল আবহাওয়ার পূর্বাভাস, সঠিক সময়ে, সঠিক যোগাযোগ চ্যানেলে সরবরাহ করা, কৃষি ফলাফলের জন্য একটি বড় পার্থক্যকারী হতে পারে," তিনি বলেন, পূর্ব আফ্রিকা রেকর্ডের সবচেয়ে শুষ্ক বছর এবং সবচেয়ে আর্দ্র বছরের মধ্যে দোদুল্যমান হয়েছে। এমন একটি অঞ্চলে যেখানে খামারগুলিতে সেচ এবং রোপণ, সার, এবং বীজ-ক্রয়ের সিদ্ধান্তগুলি বেশিরভাগই দৃষ্টিভঙ্গির উপর নির্ভর করে, একটি আরও দক্ষ উপ-মৌসুমী পূর্বাভাস একটি বিমূর্ত উন্নতি নয়।

"কারণ আমরা রেকর্ডে সবচেয়ে উষ্ণতম এল নিনোর মাঝখানে রয়েছি, সরকার এবং জলবায়ু বিজ্ঞান সম্প্রদায়ের মধ্যে এটি কীভাবে প্রকাশ পাবে তা নিয়ে অনেক ভয় রয়েছে," ফ্ল্যাসপোহলার বলেছিলেন। "সাধারণ পূর্বাভাস পদ্ধতির একটি বিশাল প্রয়োজন যা দৃঢ়ভাবে কাজ করে।"

বড় মডেলের যুগে একটি দক্ষতার যুক্তি

AI গবেষণার মধ্যে PBC কে উল্লেখযোগ্য করে তোলে তা হল এর অর্থনীতি। যদিও বেশিরভাগ ক্ষেত্রের দৌড়ে এন্ড-টু-এন্ড ফোরকাস্টিং মডেলগুলিকে প্রশিক্ষিত করার জন্য, পিবিসি একটি তুলনামূলকভাবে ছোট সিস্টেম যা এটির সংশোধন করা অপারেশনাল মডেলগুলি থেকে এর বেশিরভাগ দক্ষতা ধার করে। এটি চালানোর জন্য সস্তা এবং আবহাওয়া সংস্থাগুলিকে গ্রহণ করা সহজ করে তোলে, যেহেতু তারা তাদের বিদ্যমান অবকাঠামো রাখতে পারে এবং কেবল একটি সংশোধন স্তর যুক্ত করতে পারে।

এটি প্রয়োগকৃত মেশিন লার্নিং-এ একটি বিস্তৃত প্যাটার্নও প্রতিফলিত করে: পোস্ট-প্রসেসিং এবং ক্রমাঙ্কন প্রায়শই লাভগুলি সরবরাহ করে যা অন্যথায় একটি সম্পূর্ণ মডেল পুনর্নির্মাণের প্রয়োজন হবে। আবহাওয়া পরিষেবার জন্য যেখানে সীমিত বাজেট খরচ করতে হবে, এমন একটি পদ্ধতি যা প্রকটভাবে সবচেয়ে কঠিন পূর্বাভাসের পরিসরকে উন্নত করে — প্রকৃতি এবং লাইভ ECMWF প্রতিযোগিতা উভয় ক্ষেত্রেই বৈধ — মনোযোগ আকর্ষণ করতে পারে।

উপ-মৌসুমী AI এর জন্য পরবর্তী কি আসে

মাইক্রোসফ্ট এর ব্লগ পোস্ট একটি অপারেশনাল পণ্য ঘোষণার কম স্টপ, এবং কোম্পানি PBC বাণিজ্যিক পূর্বাভাস অফার একত্রিত করা হবে কিনা তা বলেনি. জাতীয় আবহাওয়া পরিষেবাগুলি তাদের উপ-মৌসুমী দৃষ্টিভঙ্গির জন্য PBC-এর মতো পক্ষপাত-সংশোধনের স্তরগুলি গ্রহণ করা শুরু করে কিনা এবং এআই পূর্বাভাস মডেলগুলি এখন কার্যকরী ব্যবহারে প্রবেশের সাথে এই পদ্ধতিটি ভালভাবে রচনা করে কিনা তা হল নিকট-মেয়াদী পরীক্ষা।

যদি তা হয়, দুই-থেকে ছয়-সপ্তাহের উইন্ডো — যে প্রসারিত অংশে কৃষক, গ্রিড অপারেটর, এবং দুর্যোগ পরিকল্পনাকারীদের ঐতিহাসিকভাবে সবচেয়ে কম কাজ করা হয়েছে — অবশেষে বন্ধ হয়ে যেতে পারে। এমন একটি ক্ষেত্রের জন্য যেটি দক্ষতায় প্রান্তিক লাভের পিছনে কয়েক দশক অতিবাহিত করেছে, একটি ছোট মেশিন লার্নিং সিস্টেমকে দৈত্যাকার শারীরিক মডেলগুলির পদ্ধতিগত ত্রুটিগুলি পরিষ্কার করতে দেওয়া একটি বাস্তবসম্মত ধরণের অগ্রগতি।

---

এআই থেকে এগিয়ে থাকুন

সর্বশেষ AI খবর, বিশ্লেষণ এবং সাফল্য পান — সব এক জায়গায়।

আরও এআই খবর পড়ুন →