Google DeepMind आणि Google Research ने गुरुवारी WeatherNext 3 लाँच केले, ते कंपनीने तयार केलेले सर्वात प्रगत आणि अचूक जागतिक हवामान AI मॉडेल म्हणून वर्णन केले. नवीन प्रणाली प्रत्येक सहा ऐवजी दर तासाला एक नवीन अंदाज तयार करते आणि 5-किलोमीटर ग्रिडवर तापमान आणि आर्द्रता यासारख्या महत्त्वाच्या पृष्ठभागाच्या व्हेरिएबल्सचे निराकरण करते - एक चित्र Google म्हणतो की त्याच्या पूर्ववर्ती, वेदरनेक्स्ट 2 पेक्षा अंदाजे पाच पट अधिक तीक्ष्ण आहे.

बहुतेक मॉडेल लाँचच्या विपरीत, हे आधीपासून अब्जावधींनी वापरलेल्या उत्पादनांमध्ये विणलेले आहे. Google च्या मते, WeatherNext 3 आता Search, Gemini, Maps, Google Maps Platform आणि Google Cloud वर हवामान परिणामांना सामर्थ्य देते. नवीनतम AI बातम्या आणि संशोधन च्या अनुयायांसाठी, हवामानाचा अंदाज शांतपणे मशीन लर्निंगच्या सर्वात व्यावसायिकदृष्ट्या यशस्वी सीमांपैकी एक बनला आहे — एक डोमेन जिथे AI सिस्टीम यापुढे संशोधन डेमो नसून रोजच्या उत्तरांमागील डीफॉल्ट इंजिन आहे.

रिझोल्यूशनमध्ये पाचपट उडी

अंदाजाची उपयुक्तता अनेकदा तपशीलापर्यंत येते: मॉडेल जागा आणि वेळ या दोन्हींचे किती बारीक निराकरण करते. WeatherNext 3 अनेक अवकाशीय रिझोल्यूशनवर तासाभराचा अंदाज व्युत्पन्न करते. पृष्ठभागाचे तापमान आणि आर्द्रता 5 किलोमीटरवर, इतर पृष्ठभागाचे व्हेरिएबल्स 10 किलोमीटरवर आणि वातावरणीय चल जसे की वाऱ्याचा वेग 25 किलोमीटरवर दर्शविला जातो.

वेदरनेक्स्ट 2, तुलना करून, 6-तासांच्या वाढीमध्ये 25-किलोमीटर ग्रिडवर अंदाज तयार केला. घोषणेच्या बाजूने प्रकाशित केलेल्या तुलनेमध्ये, युनायटेड किंगडममधील नवीन मॉडेलच्या 2-मीटर तापमानाच्या अंदाजाने जुन्या ग्रिडने तयार केलेल्या पिक्सेलेटेड, ओव्हर-स्मूथ थर्मल रिप्रेझेंटेशन्स टाळून, जटिल स्थानिक स्थलाकृतिचे निराकरण केले.

थेट उपग्रहांमधून शिकणे, केवळ सिम्युलेशन नाही

सखोल बदल म्हणजे मॉडेल काय शिकते. WeatherNext 2 सह बहुतेक AI हवामान मॉडेल्स, अंकीय हवामान अंदाज (NWP) - सुपरकॉम्प्युटर-चालित भौतिकशास्त्र सिम्युलेशनच्या आउटपुटवर प्रशिक्षित केले जातात ज्यांनी अनेक दशकांपासून ऑपरेशनल हवामानशास्त्राला अँकर केले आहे. त्या सिम्युलेशनमध्ये सहा-तासांचा डेटा लॅग असतो, ज्यामुळे पाऊस आणि पृष्ठभागाचे तापमान यासारख्या जलद-बदलणाऱ्या चलांमध्ये पूर्वाग्रहांचा परिचय होतो.

WeatherNext 3 वेगळा मार्ग घेतो. हे पारंपारिक ऐतिहासिक विश्लेषणासह दर तासाला रीफ्रेश केलेल्या जागतिक भूस्थिर उपग्रह प्रतिमांचे थेट मोज़ेक अंतर्भूत करते आणि एकाच फंक्शनल जनरेटिव्ह नेटवर्क (FGN) मध्ये दोन्ही फीड करते — एक जाळीदार ट्रान्सफॉर्मर आर्किटेक्चर जे दाट ग्रिड केलेले फील्ड, स्वतंत्र चक्रीवादळ ट्रॅक आणि स्थानिक स्टेशन-पूर्व स्टेशनचे उत्पादन करते. प्रत्येक तासाचा अंदाज सर्वात अलीकडील उपग्रह निरीक्षणांवर आधारित असल्यामुळे, Google म्हणते की मॉडेल जलद-बदलत्या हवामानाचा अधिक अचूकतेने मागोवा घेऊ शकते, ज्यामध्ये पर्जन्यवृष्टीतील काही सर्वात मोठ्या नफ्यांसह - पाऊस-आणि-बर्फाचा अंदाज लोक प्रत्यक्षात त्यांच्या दिवसांची योजना करतात.

ग्रिड सेलपासून चक्रीवादळ ट्रॅकपर्यंत

एका मॉडेलसाठी FGN चे आउटपुट विशेषत: वैविध्यपूर्ण आहेत. ग्रिड केलेल्या फील्डच्या पलीकडे, ते पोस्ट-प्रोसेस केलेल्या ॲड-ऑन्सऐवजी प्रथम श्रेणीचे अंदाज म्हणून स्वतंत्र चक्रीवादळ ट्रॅक आणि विरळ स्टेशन-स्तरीय समन्वय सोडते. चक्रीवादळ आणि टायफूनचे निरीक्षण करणाऱ्या पूर्वानुमानकर्त्यांसाठी ते महत्त्वाचे आहे, जेथे ट्रॅक त्रुटी थेट निर्वासन निर्णयांमध्ये अनुवादित करतात. Google च्या मागील WeatherNext जनरेशनने ऑगस्टमध्ये उष्णकटिबंधीय चक्रीवादळाच्या अंदाजात प्रगतीसाठी लक्ष वेधले होते आणि नवीन आर्किटेक्चरने त्या कार्याचा विस्तार केला आहे.

जेथे अंदाज दिसेल

Google Search, Gemini, Maps, Google Maps Platform आणि Cloud वर WeatherNext 3 आणत आहे. कंपनीने व्यावसायिक वापरकर्त्यांना उद्देशून दोन जोडण्या देखील हायलाइट केल्या आहेत: तीव्र पर्जन्य अंदाज आणि नवीन स्वच्छ ऊर्जा व्हेरिएबल्स, अक्षय-ऊर्जा क्षेत्रासाठी डिझाइन केलेले आउटपुट जेथे पवन आणि सौर ऑपरेटर तासभर वातावरणातील बदलांची योजना करतात.

एंटरप्रायझेस Google Cloud द्वारे अंदाज एकत्रित करू शकतात, जे WeatherNext 3 चे स्थान केवळ ग्राहक वैशिष्ट्य म्हणून नाही तर डेटा उत्पादन म्हणून ठेवते — जे कृषी कंपन्या, लॉजिस्टिक कंपन्या आणि ग्रिड ऑपरेटर थेट तयार करू शकतात.

अचूकतेचा दावा कसा मोजला गेला

WeatherNext 3 हे आजपर्यंतचे सर्वात अचूक जागतिक हवामान मॉडेल असल्याचा Google चा दावा केवळ अंतर्गत चाचणीवरच नाही तर Brightband या हवामान AI कंपनीने केलेल्या स्वतंत्र लाइव्ह मूल्यमापनावर आधारित आहे, जो अंदाज प्रणालीचे सतत बेंचमार्क चालवते. तृतीय-पक्षाचे मूल्यमापन आमंत्रित करणे हे Google च्या विज्ञान मॉडेल्ससाठी एक नमुना बनत आहे आणि ते दीर्घकाळ चाललेल्या टीकेला संबोधित करते की AI हवामान पेपर्स थेट परिस्थितींऐवजी क्युरेट केलेल्या ऐतिहासिक संचांवर परिणाम नोंदवतात.

हे छत्री ॲपच्या पलीकडे का महत्त्वाचे आहे

Google ची घोषणा हवामानाला प्रत्येक स्तरावरील निर्णयांचे इनपुट म्हणून फ्रेम करते — छत्री पकडण्यापासून ते शेती, जागतिक पुरवठा साखळी, स्वच्छ ऊर्जा उत्पादन आणि राष्ट्रीय अर्थव्यवस्थांद्वारे उष्णतेच्या लाटा आणि दुष्काळाचे व्यवस्थापन करण्यापर्यंत. अलिकडच्या वर्षांत, AI पूर्वानुमानकर्त्यांनी त्यांच्या अचूकतेशी जुळवून घेताना किंवा त्यांचा पराभव करताना पारंपारिक पद्धतींपेक्षा जलद अंदाज निर्माण करून त्या पाइपलाइनमध्ये त्यांचे स्थान कमावले आहे, असे Google म्हणते.

स्पर्धात्मक लँडस्केप देखील गरम होत आहे. हवामानविषयक एजन्सी आणि तंत्रज्ञान कंपन्यांनी अलिकडच्या वर्षांत AI अंदाज प्रणाली पाठवली आहे आणि तासाभराने, उपग्रह-आधारित अंदाज त्या सर्वांसाठी बार वाढवतात. पुढील वर्षासाठी प्रश्न हा आहे की राष्ट्रीय हवामान सेवा वेदरनेक्स्ट 3 सारख्या मॉडेलला प्रायोगिक पूरक ऐवजी प्राथमिक स्त्रोत मानतात का - आणि Google चे तासावार कॅडेन्स उद्योगाची नवीन आधाररेखा बनते का.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →