Google रिसर्च आणि Google DeepMind ने WeatherNext 3, कंपनीच्या AI हवामान अंदाज प्रणालीची नवीनतम आवृत्ती आणि Google च्या खात्यानुसार, तिचे आतापर्यंतचे सर्वात अचूक जागतिक अंदाज मॉडेल जारी केले आहे. 3 सप्टेंबर रोजी घोषित करण्यात आलेली, ही प्रणाली शोध, Google नकाशे आणि जेमिनीमध्ये हवामान माहिती पुरवण्यास सुरुवात करेल आणि Google च्या क्लाउड प्लॅटफॉर्मद्वारे व्यवसाय आणि संशोधकांसाठी उपलब्ध आहे.

अनेक दशकांपासून जगातील बहुतेक अंदाज तयार करणाऱ्या सरकारी सुपरकॉम्प्युटरच्या विपरीत, WeatherNext 3 हे एक सखोल शिक्षण मॉडेल आहे: ते वायुमंडलीय भौतिकशास्त्राची समीकरणे टप्प्याटप्प्याने सोडवण्याऐवजी थेट निरीक्षणांमधून नमुने शिकते. Google असेही म्हणते की हे कच्चे उपग्रह निरीक्षणे थेट उच्च-रिझोल्यूशनच्या जागतिक अंदाजामध्ये समाविष्ट करणारे पहिले एआय मॉडेल आहे - किमान एक प्रतिस्पर्ध्याचा दावा आहे. काय बदलले ते येथे आहे आणि Google च्या पलीकडे अंदाज लावणारे नवीनतम AI घडामोडी या क्षेत्रातील बारकाईने का पाहत आहेत.

एआयने हवामान अंदाजाचा साचा कसा तोडला

पारंपारिक अंदाज यूएस नॅशनल वेदर सर्व्हिस आणि युरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट (ECMWF) सारख्या राष्ट्रीय संस्थांकडून येतात, ज्यांचे सुपरकॉम्प्युटर वातावरणाच्या भौतिकशास्त्राचे वर्णन करणारे गणितीय समीकरणे पीसतात. त्या प्रणाली उल्लेखनीयपणे अचूक आहेत परंतु महाग आणि तुलनेने मंद आहेत.

ECMWF ने 2018 मध्ये अर्ध्या शतकाहून अधिक संग्रहित हवामान डेटा जारी केल्यानंतर सखोल शिक्षण पर्यायाने सुरुवात केली, ज्यामुळे संशोधकांना नेमके प्रशिक्षण कॉर्पस न्यूरल नेटवर्क्सची भरभराट होते. "हवामान गोंधळलेले आहे, आणि त्यामुळे लहान फरक खरोखरच मोठ्या प्रमाणावर त्रास देऊ लागतात," फेरान ॲलेट, डीपमाइंडचे कर्मचारी संशोधन वैज्ञानिक व्यवस्थापक यांनी टेकक्रंचला सांगितले. "मशीन लर्निंग आम्ही खरोखर सोडवत असलेल्या समस्येला लक्ष्य करते, जे अपूर्ण माहिती आणि मर्यादित गणनेतून अंदाजे गोंगाट करणारे भौतिकशास्त्र आहे आणि त्यामुळे ते बर्याच डेटामधून नमुने शिकते."

अधिक तीक्ष्ण, जलद आणि अधिक वारंवार

WeatherNext 3 हे त्याच्या पूर्ववर्ती पेक्षा मोठे मॉडेल आहे — 2.4 पट जास्त पॅरामीटर्स — आणि ते आता Brightband च्या Operational WeatherBench वरच्या स्थानावर आहे, जो एक स्वतंत्र बेंचमार्क आहे जो तापमान, वाऱ्याचा वेग आणि आर्द्रता यावर AI अंदाज प्रणालीची तुलना करतो. TechCrunch च्या मते, ते Google, Microsoft, Nvidia आणि ECMWF कडील प्रतिस्पर्धी डीप लर्निंग मॉडेलला मागे टाकते आणि यूएस नॅशनल वेदर सर्व्हिस आणि ECMWF यांनी स्वतः तयार केलेल्या पारंपारिक संख्यात्मक अंदाजांना मागे टाकते.

व्यावहारिक नफा लक्षणीय आहेत:

  • **मुख्य व्हेरिएबल्ससाठी 5 किमी पर्यंत खाली रिझोल्यूशन, जिथे बहुतेक AI मॉडेल 15 ते 25 किमीच्या क्षेत्रामध्ये अंदाज लावतात. Decoder अहवाल देतो की मॉडेल WeatherNext 2 पेक्षा पाच पट अधिक तपशीलवार आहे.
  • वेदरनेक्स्ट २ च्या तुलनेत पावसाचा अंदाज ६० टक्क्यांनी सुधारला** Google च्या मूल्यमापनांवर, आणि 9to5Google ने Google च्या स्वतःच्या उत्पादनांसाठी 50 टक्के अधिक अचूक पर्जन्यमानाचा अंदाज दिला.
  • मानक सहा-तासांच्या कॅडेन्सऐवजी तासाचे अंदाज, कारण मॉडेल प्रत्येक तासाला रिअल टाइममध्ये गोळा केलेली उपग्रह निरीक्षणे घेऊ शकते.
  • स्टेशन-लेव्हल टार्गेटिंग, म्हणजे मॉडेल अंदाज लावते की विशिष्ट हवामान स्टेशन — फक्त ग्रिड स्क्वेअरच नव्हे — मोजतील.

ब्राइटबँडचे वातावरणीय शास्त्रज्ञ डॅनियल रोथेनबर्ग यांनी टेकक्रंचला सांगितले की, "बऱ्याच एआय ऍप्लिकेशन्ससह, शक्य तितक्या एंड-टू-एंड कार्ये चालवण्याचा प्रयत्न करणे ही कल्पना आहे." "एक क्षमता जोडणे जिथे हे मॉडेल आता अंदाज लावत आहे, म्हणा, डेन्व्हरच्या विमानतळाचे हवामान स्टेशन प्रति तासाच्या आधारावर काय मोजणार आहे, फक्त त्या अंदाज कार्याला गाभ्याशी जोडते."

रॉ सॅटेलाइट डेटा विवाद

Google चा पहिला दावा मॉडेल आर्किटेक्चर प्रमाणे डेटा प्लंबिंगवर अवलंबून आहे. बहुतेक AI अंदाजकर्ते अजूनही प्रशिक्षण देतात आणि सरकारी हवामान एजन्सींद्वारे तयार केलेल्या स्वरूपित विश्लेषण डेटासेटवर प्रारंभ करतात. WeatherNext 3 कच्चा उपग्रह निरीक्षणे थेट, तासाभर — जवळ, Google तर्क करते, खऱ्या डेटा आत्मसात करण्यासाठी.

AI हवामान स्टार्टअप WindBorne काउंटर करतो की त्याचे स्वतःचे WeatherMesh 6 मॉडेल 2025 च्या उत्तरार्धापासून त्याच्या हवामान बलून फ्लीट आणि इतर स्त्रोतांकडून कच्ची निरीक्षणे समाविष्ट करत आहे. वादाबद्दल विचारले असता, Google ने त्याच्या अंदाजांच्या जागतिक निराकरणाकडे लक्ष वेधले. दोन्ही कंपन्या, TechCrunch नोट्स, अजूनही पाइपलाइनच्या काही भागांसाठी राष्ट्रीय डेटासेटवर झुकतात, त्यामुळे संपूर्ण क्षेत्रासाठी पूर्णपणे थेट आत्मसात करण्याचे काम प्रगतीपथावर आहे.

जेथे वापरकर्ते ते पाहतील

"कोअर व्हेरिएबल्सपैकी काही Google उत्पादनांना भरपूर फीड आणि पॉवर देण्याची ही पहिलीच वेळ आहे," समीर मर्चंट, Google चे वरिष्ठ कर्मचारी अभियंता यांनी TechCrunch ला सांगितले. Search, Google Maps आणि Gemini मधील हवामान माहिती WeatherNext 3 आउटपुटवर काढतील, AI-व्युत्पन्न अंदाज कोट्यवधी वापरकर्त्यांसमोर ठेवतील — ज्यापैकी अनेकांना त्यांच्यामागील मॉडेल कधीच कळणार नाही.

हे ॲपच्या पलीकडे का महत्त्वाचे आहे

अर्थशास्त्र ही मोठी गोष्ट आहे. सुपरकॉम्प्युटरच्या जोडणीच्या तुलनेत एआय अंदाज जलद आणि स्वस्त आहेत, जे कधीही परवडत नसलेल्या प्रदेशांच्या आवाक्यात वापरण्यायोग्य अंदाज ठेवतात. डीकोडरने अहवाल दिला आहे की आफ्रिका, लॅटिन अमेरिका आणि आशिया-पॅसिफिकच्या भागांमध्ये अचूक अंदाज नसलेल्या भागात सर्वात मोठा फायदा झाला पाहिजे. बिल गेट्स यांनी AI हवामान अंदाजाचा एक ठोस विकास लाभ म्हणून उल्लेख केला आहे, चांगल्या अंदाजामुळे विकसनशील देशांमध्ये पीक उत्पादनात सुधारणा होते आणि ॲलेटने नमूद केले आहे की उच्च-रिझोल्यूशन वारा, पाऊस आणि ढगांचा अंदाज अक्षय ऊर्जा प्रकल्पांना अधिक विश्वासार्ह बनवू शकतो.

युरोप आणि यूएस मधील हवामान संस्था आधीच त्यांच्या ऑपरेशनल उत्पादनांमध्ये AI मॉडेल्स फोल्ड करत आहेत. WeatherNext 3 सह, भाषेचा आकार बदलणारी ट्रान्सफॉर्मर क्रांती शांतपणे रोजच्या हवामानाचे इंजिन बनली आहे.

AI च्या पुढे रहा

एआय संशोधन वेगाने पुढे जात आहे. एकाच ठिकाणी नवीनतम AI घडामोडी मिळवा.

अधिक एआय बातम्या वाचा →