Google DeepMind ने त्याचे WeatherNext AI हवामान मॉडेल उष्णकटिबंधीय चक्रीवादळांचा अंदाज लावण्यात अत्याधुनिक अचूकता प्राप्त करून, अग्रगण्य परिचालन अंदाज प्रणालींच्या तुलनेत सरासरी पूर्ण दिवस किंवा त्याहून अधिक भविष्यसूचक वेळ मिळवून दाखवणारे पीअर-पुनरावलोकन केलेले परिणाम प्रकाशित केले आहेत. संशोधन 6 ऑगस्ट 2026 रोजी नेचर या जर्नलमध्ये प्रकाशित झाले आणि Google प्रकाशनासोबत मॉडेल्सचे ओपन-सोर्सिंग करत आहे.

AI इंडस्ट्री कव्हरेज तीव्र करण्याच्या एका क्षणी यश आले आहे, जिथे कृत्रिम बुद्धिमत्ता मोठ्या प्रमाणावर वैज्ञानिक आणि सार्वजनिक-सुरक्षा समस्यांवर लागू केली जात आहे. उष्णकटिबंधीय चक्रीवादळांमुळे गेल्या 50 वर्षांत 700,000 हून अधिक मृत्यू आणि $1.4 ट्रिलियन आर्थिक नुकसान झाले आहे, डीपमाइंड घोषणेमध्ये उद्धृत केलेल्या आकडेवारीनुसार, स्थलांतर आणि आपत्ती प्रतिसादासाठी परिणामकारक अंदाजाच्या वेळेत अगदी माफक नफा झाला आहे.

एका सिस्टीममध्ये संकुचित केलेल्या लीड टाइमचा एक दिवस

हेडलाइन परिणाम लीड टाइम आहे. 2023 ते 2025 पर्यंतच्या चक्रीवादळांवर, WeatherNext चा ट्रॅक, तीव्रता आणि वारा-संरचनेचा अंदाज अग्रगण्य ऑपरेशनल मॉडेल्सच्या तुलनेत सरासरी एक दिवस किंवा त्याहून अधिक फायदा घेतो. व्यावहारिक भाषेत, त्याचा तीन दिवसांचा अंदाज दोन दिवसात आधीच्या सिस्टमने जे वितरित केले होते त्याच्याशी जुळते. संशोधकांनी एका एआय प्रणालीमध्ये संकुचित केलेल्या ऑपरेशनल हवामानशास्त्रीय प्रगतीच्या अंदाजे दशकाशी तुलना करता या सुधारणेचे वर्णन केले आहे.

चक्रीवादळाच्या अंदाजामध्ये, जेथे निर्वासन आदेश, पुरवठा स्टेजिंग आणि आणीबाणीच्या घोषणा तासांवर अवलंबून असतात, तो मार्जिन हा सर्वात महत्त्वाचा मेट्रिक आहे. पेपरमध्ये वेदरनेक्स्ट सायक्लोन्स, एक AI मॉडेल सादर केले आहे जे उष्णकटिबंधीय चक्रीवादळाचा ट्रॅक, तीव्रता आणि 15 दिवसांपर्यंतच्या आकाराचा एकत्रित अंदाज तयार करते.

मॉडेल कसे कार्य करते

प्रशिक्षण डेटा जवळजवळ 5,000 ऐतिहासिक वादळांच्या IBTrACS डेटाबेससह जागतिक वातावरणीय विश्लेषण एकत्रित करतो. मॉडेल सिंगल-पॉइंट अंदाजाऐवजी संभाव्यता वितरण तयार करण्यासाठी फंक्शनल जनरेटिव्ह नेटवर्क्स वापरते आणि ते 1,000-सदस्यांच्या जोडणी पर्यंत स्केल करते — पूर्वीच्या सिस्टमच्या 50-सदस्यांच्या चालण्याच्या वीस पट. मोठे जोडे दुर्मिळ परंतु उच्च-परिणामी घटना जसे की जलद तीव्रता, धोकादायक घटना जेथे वादळाच्या वाऱ्याचा वेग अचानक वाढतो अशा घटना चांगल्या प्रकारे कॅप्चर करतात.

एक शोध म्हणजे ते काय आव्हान देते ते स्पष्ट होते. उच्च अवकाशीय रिझोल्यूशन हे अचूक तीव्रतेच्या अंदाजाची किंमत मानली जाते. वेदरनेक्स्ट चक्रीवादळ 28-बाय-28-किलोमीटर इनपुटवर चालते, पारंपारिक प्रादेशिक मॉडेल्सपेक्षा अंदाजे 100 पट अधिक खडबडीत आणि वेदरनेक्स्ट 2-मिनी नावाचा कॉम्पॅक्ट प्रकार 111 बाय 111 किलोमीटरवर चालतो आणि तरीही चांगली कामगिरी करतो. पेपरमध्ये असे म्हटले आहे की अत्याधुनिक तीव्रतेच्या अंदाजासाठी उच्च रिझोल्यूशन ही कठोर पूर्वस्थिती नाही आणि संशोधक हे एक खुले प्रश्न म्हणून ध्वजांकित करतात की मॉडेल खडबडीत डेटामधून तीव्रतेचे सिग्नल कसे काढते.

2025 चक्रीवादळ हंगामात चाचणी केली

मूल्यमापन पूर्णपणे पूर्वलक्षी नव्हते. 2025 अटलांटिक चक्रीवादळाच्या हंगामात, मॉडेल नॅशनल हरिकेन सेंटरच्या ऑपरेशनल वर्कफ्लोच्या बरोबरीने धावले आणि पूर्वसूचनेचे समर्थन करण्यासाठी अंदाजकर्त्यांना मेलिसा चक्रीवादळाच्या जलद तीव्रतेचा आणि जमैकामध्ये लँडफॉलचा अंदाज लावण्यात मदत केली. NHC चा 2025 पडताळणी अहवाल सीझनच्या अंदाज कामगिरीचे दस्तऐवजीकरण करतो. या वर्षी सिस्टीम प्रति चक्रीवादळ 1,000 संभाव्य परिस्थिती निर्माण करत आहे ज्यामुळे पूर्वानुमानकर्त्याच्या निर्णय घेण्यास मदत होईल.

हे काम Google DeepMind आणि Google संशोधन शास्त्रज्ञ आणि नॅशनल हरिकेन सेंटर, कोऑपरेटिव्ह इन्स्टिट्यूट फॉर रिसर्च इन द ॲटमॉस्फिअर (CIRA) आणि UK Met Office मधील ऑपरेशनल फोरकास्टर यांच्या सहकार्याने होते, ज्यापैकी बरेच जण निसर्ग पेपरवर सह-लेखक आहेत.

तीन मुक्त-स्रोत रूपे रिलीज

ओपन-सोर्स रिलीझमध्ये तीन मॉडेल प्रकारांचा समावेश आहे:

  • WeatherNext Cyclones — 2025 चक्रीवादळ हंगामात चाललेली आवृत्ती आणि ज्याचे परिणाम पेपरमध्ये दिसतात
  • WeatherNext 2 — Google ने ऑक्टोबर २०२५ मध्ये कार्यान्वित केलेले नंतरचे अपडेट
  • WeatherNext 2-mini — एक संक्षिप्त आवृत्ती जी विनामूल्य Google Colab नोटबुकमध्ये एकाच TPU वर चालते

तिन्हींसाठी कोड आणि वजने GitHub वर उपलब्ध आहेत. एका TPU वर एकच 15-दिवसांचा अंदाज एका मिनिटापेक्षा कमी लागतो, म्हणजे दत्तक घेण्यावरील मर्यादा आता कौशल्य आणि एकत्रीकरण आहे, गणना नाही.

अंदाज वेदर लॅब वर देखील एक्सप्लोर करण्यायोग्य आहेत, ज्याचा Google ने चक्रीवादळ ट्रॅकिंगपासून तापमान, पर्जन्य आणि वाऱ्याचा वेग समाविष्ट असलेल्या संपूर्ण जागतिक अंदाजापर्यंत विस्तार केला आहे. दोन्ही मॉडेल्स आणि वेदर लॅब Google Earth AI मध्ये बसतात, हवामान आणि भू-स्थानिक आव्हानांवर मशीन लर्निंग लागू करण्यासाठी कंपनीचा छत्र प्रयत्न.

हे महत्त्वाचे का आहे

परिणाम व्यापक ट्रेंडला बळकटी देतो: AI-आधारित हवामान मॉडेल अनेक हवामानशास्त्रज्ञांच्या अपेक्षेपेक्षा अधिक वेगाने संशोधन प्रात्यक्षिकांपासून ऑपरेशनल साधनांकडे जात आहेत. वजनाचे ओपन-सोर्सिंग करून आणि शीर्ष-स्तरीय जर्नलमध्ये प्रकाशित करून, Google वेदरनेक्स्टला संदर्भ प्रणाली म्हणून स्थान देत आहे ज्यावर राष्ट्रीय हवामान संस्था आणि जगभरातील संशोधक तयार करू शकतात.

चक्रीवादळ प्रवण प्रदेशातील समुदायांसाठी, चेतावणीचा एक अतिरिक्त दिवस हा सुव्यवस्थित निर्वासन आणि अराजक यातील फरक असू शकतो. AI हवामान मॉडेल्स जसजसे परिपक्व होत आहेत, तसतसे स्पर्धात्मक प्रश्न केवळ अचूकतेपासून अंदाजे सर्वात जलद कृतीत कोण अनुवादित करू शकतो याकडे सरकत आहे.

AI च्या पुढे रहा

कृत्रिम बुद्धिमत्ता विज्ञान, पायाभूत सुविधा आणि दैनंदिन जीवनात कशा प्रकारे बदल घडवून आणत आहे याबद्दल अधिक माहितीसाठी, आमच्या ब्रेकिंग एआय न्यूज कव्हरेजचे अनुसरण करा. आम्ही रिअल टाइममध्ये क्षेत्राला आकार देणारे संशोधन, कंपन्या आणि धोरणांचा मागोवा घेतो.

अधिक एआय बातम्या वाचा →