ਮੌਸਮ ਦੀ ਭਵਿੱਖਬਾਣੀ ਥੋੜ੍ਹੇ ਦੂਰੀ 'ਤੇ ਸ਼ਾਨਦਾਰ ਤੌਰ 'ਤੇ ਭਰੋਸੇਯੋਗ ਬਣ ਗਈ ਹੈ: ਅੱਜ ਦੇ ਮਾਡਲ ਲਗਭਗ ਦੋ ਹਫ਼ਤਿਆਂ ਤੱਕ ਬਹੁਤ ਹੀ ਸਹੀ ਹਨ, ਅਤੇ ਲੰਬੀ-ਸੀਮਾ ਦੇ ਜਲਵਾਯੂ ਅਨੁਮਾਨਾਂ ਵਿੱਚ ਵੀ ਲਗਾਤਾਰ ਸੁਧਾਰ ਹੋ ਰਿਹਾ ਹੈ। ਉਹਨਾਂ ਦੋ ਸਮੇਂ ਦੇ ਪੈਮਾਨਿਆਂ ਦੇ ਵਿਚਕਾਰ, ਹਾਲਾਂਕਿ, ਇੱਕ ਜ਼ਿੱਦੀ ਅੰਨ੍ਹਾ ਸਥਾਨ ਹੈ. ਦੋ-ਤੋਂ-ਛੇ-ਹਫ਼ਤਿਆਂ ਦੀ ਵਿੰਡੋ ਵਿੱਚ ਪੂਰਵ-ਅਨੁਮਾਨ - ਉਪ-ਮੌਸਮੀ ਪੂਰਵ-ਅਨੁਮਾਨ ਵਜੋਂ ਜਾਣੇ ਜਾਂਦੇ ਹਨ - ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਰਹਿੰਦੇ ਹਨ, ਭਾਵੇਂ ਕਿ ਇਹ ਬਿਲਕੁਲ ਉਹ ਸੀਮਾ ਹੈ ਜੋ ਇਹ ਫੈਸਲਾ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਫਸਲਾਂ ਨੂੰ ਕਦੋਂ ਬੀਜਣਾ ਹੈ, ਪਾਣੀ ਅਤੇ ਊਰਜਾ ਕਿਵੇਂ ਵੰਡਣੀ ਹੈ, ਅਤੇ ਜੰਗਲ ਦੀ ਅੱਗ ਲਈ ਕਿਵੇਂ ਤਿਆਰੀ ਕਰਨੀ ਹੈ।

ਮਾਈਕਰੋਸਾਫਟ ਰਿਸਰਚ ਅਤੇ ਬਾਹਰੀ ਸਹਿਯੋਗੀਆਂ ਦੇ ਇੱਕ ਨੈਟਵਰਕ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਉਹਨਾਂ ਨੇ ਇਸ ਪਾੜੇ ਨੂੰ ਘਟਾਉਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਲੱਭਿਆ ਹੈ, ਇੱਕ ਹੋਰ ਪੂਰਵ ਅਨੁਮਾਨ ਮਾਡਲ ਬਣਾ ਕੇ ਨਹੀਂ, ਸਗੋਂ ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਮਾਡਲਾਂ ਦੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਸੌਫਟਵੇਅਰ ਸਿਖਾ ਕੇ। ਪ੍ਰੋਬੇਬਿਲਿਸਟਿਕ ਬਿਆਸ ਕਰੈਕਸ਼ਨ (ਪੀਬੀਸੀ) ਨਾਮਕ ਪਹੁੰਚ, ਵਿਗਿਆਨਕ ਜਰਨਲ ਨੇਚਰ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਤ ਇੱਕ ਪੇਪਰ ਵਿੱਚ ਵਿਸਤ੍ਰਿਤ ਹੈ ਅਤੇ ਇਸ ਹਫਤੇ ਪ੍ਰਕਾਸ਼ਤ ਇੱਕ ਮਾਈਕ੍ਰੋਸਾਫਟ ਬਲਾਗ ਪੋਸਟ ਵਿੱਚ ਵਰਣਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਨਵੀਨਤਮ AI ਵਿਕਾਸ ਵਿੱਚ ਸ਼ਾਮਲ ਲਾਗੂ AI ਖੋਜ ਦੀ ਲਹਿਰ ਵਿੱਚ ਇਹ ਸਭ ਤੋਂ ਸ਼ਾਂਤ ਵਿਹਾਰਕ ਇੰਦਰਾਜ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਉਹਨਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਅੱਪਗ੍ਰੇਡ ਕਰਦਾ ਹੈ ਜੋ ਮੌਸਮ ਵਿਗਿਆਨੀ ਉਹਨਾਂ ਨੂੰ ਕੁਝ ਨਵਾਂ ਕਰਨ ਲਈ ਕਹਿਣ ਦੀ ਬਜਾਏ ਪਹਿਲਾਂ ਹੀ ਨਿਰਭਰ ਕਰਦੇ ਹਨ।

ਦੋ-ਤੋਂ-ਛੇ-ਹਫ਼ਤਿਆਂ ਦੀ ਵਿੰਡੋ ਪੂਰਵ ਅਨੁਮਾਨ ਦੀ ਉਲੰਘਣਾ ਕਿਉਂ ਕਰਦੀ ਹੈ

ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਿਤ ਮਾਡਲ ਵਿਗਿਆਨਕ ਸਮੀਕਰਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਵਾਯੂਮੰਡਲ ਅਤੇ ਸਮੁੰਦਰਾਂ ਦੀ ਨਕਲ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਨਵੇਂ AI ਮਾਡਲ ਨਿਰੀਖਣ ਕੀਤੇ ਮੌਸਮ ਡੇਟਾ ਦੇ ਵਿਸ਼ਾਲ ਪੁਰਾਲੇਖਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੰਦੇ ਹਨ। ਮਾਈਕ੍ਰੋਸਾੱਫਟ ਦੇ ਅਨੁਸਾਰ, ਦੋਵੇਂ ਪਰਿਵਾਰ ਲਗਭਗ ਦਸ ਦਿਨਾਂ ਤੱਕ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ। ਉਸ ਬਿੰਦੂ ਤੋਂ ਪਰੇ, ਛੋਟੀਆਂ ਸ਼ੁਰੂਆਤੀ ਗਲਤੀਆਂ ਮਿਸ਼ਰਿਤ ਅਤੇ ਵਾਯੂਮੰਡਲ, ਸਮੁੰਦਰਾਂ ਅਤੇ ਜ਼ਮੀਨੀ ਸਤਹ ਦੇ ਵਿਚਕਾਰ ਗੁੰਝਲਦਾਰ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਦੋਵਾਂ ਪਹੁੰਚਾਂ ਨੂੰ ਹਾਵੀ ਕਰ ਦਿੰਦੇ ਹਨ, ਜਿਸ ਕਾਰਨ ਦੋ-ਤੋਂ-ਛੇ-ਹਫ਼ਤੇ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਬਾਕੀ ਪੂਰਵ ਅਨੁਮਾਨਾਂ ਤੋਂ ਪਛੜ ਗਏ ਹਨ।

ਮੁਕਾਬਲੇ ਵਾਲੇ ਮਾਡਲਾਂ ਦੇ ਭੀੜ-ਭੜੱਕੇ ਵਾਲੇ ਖੇਤਰ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਦੀ ਬਜਾਏ, ਮਾਈਕ੍ਰੋਸਾਫਟ ਦੀ ਅਗਵਾਈ ਵਾਲੀ ਟੀਮ ਨੇ ਇੱਕ ਵੱਖਰੇ ਟੀਚੇ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ: ਵਿਵਸਥਿਤ, ਦੁਹਰਾਉਣਯੋਗ ਗਲਤੀਆਂ ਜੋ ਮਾਡਲ ਇਸ ਰੇਂਜ ਵਿੱਚ ਕਰਦੇ ਹਨ। "ਸਾਡੀ ਨਵੀਂ ਪਾਈਪਲਾਈਨ (ਪੀਬੀਸੀ) ਤੁਹਾਡੇ ਮਨਪਸੰਦ ਮਾਡਲ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਲੈਂਦੀ ਹੈ ਅਤੇ ਸਿੱਖਦੀ ਹੈ ਕਿ ਇਹ ਕਿਸ ਤਰੀਕਿਆਂ ਨਾਲ ਗਲਤੀਆਂ ਕਰਦਾ ਹੈ। ਇਹ ਫਿਰ ਉਹਨਾਂ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕਰਦਾ ਹੈ, ਉਪ-ਮੌਸਮੀ ਰੇਂਜ ਲਈ ਇੱਕ ਬਿਹਤਰ ਆਉਟਪੁੱਟ ਪੂਰਵ ਅਨੁਮਾਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ," ਕੰਪਨੀ ਨੇ ਆਪਣੇ ਬਲਾਗ ਪੋਸਟ ਵਿੱਚ ਦੱਸਿਆ।

ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਦੇ ਸਿਖਰ 'ਤੇ ਇੱਕ ਹਲਕੀ ਪਰਤ

ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ, ਪੀਬੀਸੀ ਇੱਕ ਲਾਈਟਵੇਟ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਕਿ ਕਿਸੇ ਵੀ ਮਾਡਲ ਦੇ ਇਤਿਹਾਸਕ ਪੂਰਵ ਅਨੁਮਾਨਾਂ ਦੇ ਪੁਰਾਲੇਖ ਦਾ ਅਧਿਐਨ ਕਰਦੀ ਹੈ ਤਾਂ ਜੋ ਇਹ ਪਤਾ ਲਗਾਇਆ ਜਾ ਸਕੇ ਕਿ ਇਹ ਕਿੱਥੇ ਅਤੇ ਕਿਵੇਂ ਯੋਜਨਾਬੱਧ ਪੱਖਪਾਤੀ ਹੈ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਉਹ ਪੈਟਰਨ ਸਿੱਖ ਲਏ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਸਿਸਟਮ ਮੁਆਵਜ਼ਾ ਦੇਣ ਲਈ ਮਾਡਲ ਦੇ ਸੰਭਾਵੀ ਆਉਟਪੁੱਟ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ। ਨੇਚਰ ਪੇਪਰ ਵਿੱਚ ਵਰਣਿਤ ਮੁਲਾਂਕਣਾਂ ਵਿੱਚ, ਮਾਈਕਰੋਸਾਫਟ ਨੇ ਰਿਪੋਰਟ ਦਿੱਤੀ ਹੈ ਕਿ ਪੀਬੀਸੀ ਨੇ ਮੱਧ-ਰੇਂਜ ਮੌਸਮ ਪੂਰਵ ਅਨੁਮਾਨਾਂ (ECMWF) ਲਈ ਯੂਰਪੀਅਨ ਸੈਂਟਰ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਦੁਨੀਆ ਦੇ ਪ੍ਰਮੁੱਖ ਸੰਚਾਲਨ ਤੌਰ 'ਤੇ ਅਯੋਗ ਉਪ-ਮੌਸਮੀ ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ ਹੈ।

ਨਤੀਜੇ ਲਾਈਵ ਪ੍ਰਤੀਯੋਗਿਤਾ ਵਿੱਚ ਰੱਖੇ ਗਏ ਹਨ, ਨਾ ਕਿ ਕੇਵਲ ਪਿਛਾਖੜੀ ਟੈਸਟਾਂ ਵਿੱਚ। ECMWF ਨੇ ਅਗਸਤ 2025 ਵਿੱਚ AI ਮੌਸਮ ਖੋਜ ਸ਼ੁਰੂ ਕੀਤੀ, ਇੱਕ ਅਸਲ-ਸਮੇਂ ਦਾ ਮੁਕਾਬਲਾ ਜੋ ਸੰਭਾਵੀ ਉਪ-ਮੌਸਮੀ ਪੂਰਵ ਅਨੁਮਾਨ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਮਾਈਕ੍ਰੋਐਂਸੇਬਲ ਨਾਮ ਦੀ ਇੱਕ ਟੀਮ, ਮਾਈਕ੍ਰੋਸਾਫਟ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਬਾਹਰੀ ਸਹਿਯੋਗੀਆਂ ਦੀ ਬਣੀ ਹੋਈ, ਨੇ ਮਾਈਕ੍ਰੋਡੂਏਟ ਡੱਬ ਵਾਲੀ ਐਂਟਰੀ ਦੇ ਨਾਲ ਚੋਟੀ ਦੇ ਸਨਮਾਨ ਲਏ, ਜਿਸ ਨੇ PBC ਨੂੰ ECMWF ਦੇ ਉਦਯੋਗ-ਮੋਹਰੀ ਗਤੀਸ਼ੀਲ ਮਾਡਲ ਲਈ ਲਾਗੂ ਕੀਤਾ।

"ਏਆਈ ਵੈਦਰ ਕੁਐਸਟ ਉਪ-ਮੌਸਮੀ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਲਈ ਇੱਕ ਵਿਲੱਖਣ ਰੀਅਲ-ਟਾਈਮ ਬੈਂਚਮਾਰਕਿੰਗ ਪਲੇਟਫਾਰਮ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ," ਡਾ. ਜੋਸ਼ੂਆ ਤਾਲਿਬ, ECMWF ਵਿੱਚ ਉਪ-ਮੌਸਮੀ ਪੂਰਵ-ਅਨੁਮਾਨ ਦੇ ਵਿਗਿਆਨੀ ਨੇ ਕਿਹਾ। "ਟੀਮ ਮਾਈਕ੍ਰੋਐਂਸੇਂਬਲ ਦੇ ਯੋਗਦਾਨਾਂ ਨੇ ਧਿਆਨ ਦਿੱਤਾ ਕਿ ਕਿਵੇਂ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਪੋਸਟ-ਪ੍ਰੋਸੈਸਿੰਗ ਦੁਆਰਾ ਰਵਾਇਤੀ ਗਤੀਸ਼ੀਲ ਪੂਰਵ ਅਨੁਮਾਨ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਹੁਨਰ ਨੂੰ ਵਧਾ ਸਕਦੀ ਹੈ।"

ਬੈਂਚਮਾਰਕ ਤੋਂ ਪੂਰਬੀ ਅਫਰੀਕਾ ਵਿੱਚ ਅਸਲ-ਵਿਸ਼ਵ ਪਾਇਲਟਾਂ ਤੱਕ

ਤਕਨੀਕ ਪਹਿਲਾਂ ਹੀ ਮਾਪਦੰਡਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਰਹੀ ਹੈ. ਕੀਨੀਆ ਵਿੱਚ, ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ PBC ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਤਿਆਰੀ ਕਰ ਰਹੇ ਹਨ ਕਿਉਂਕਿ ਦੇਸ਼ ਦੇ ਦੋ ਬਰਸਾਤੀ ਮੌਸਮਾਂ ਵਿੱਚੋਂ ਇੱਕ ਚੱਲ ਰਿਹਾ ਹੈ। ਇਸ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਕੀਨੀਆ ਮੌਸਮ ਵਿਗਿਆਨ ਸੇਵਾ ਅਥਾਰਟੀ (KMSA) ਅਤੇ ਕੈਲੀਫੋਰਨੀਆ ਯੂਨੀਵਰਸਿਟੀ, ਸੈਂਟਾ ਬਾਰਬਰਾ ਵਿਖੇ ਜਲਵਾਯੂ ਖਤਰੇ ਕੇਂਦਰ ਦੇ ਵਿਗਿਆਨੀ ਸ਼ਾਮਲ ਹਨ, ਜਿਨੀਵੀਵ ਫਲਸਪੋਹਲਰ ਦੀ ਸਲਾਹ ਨਾਲ, ਜੋ AI-ਪਾਵਰਡ ਮੌਸਮ ਦੀ ਭਵਿੱਖਬਾਣੀ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਇੱਕ ਗੈਰ-ਲਾਭਕਾਰੀ ਰਿਜ਼ਾ ਰਿਸਰਚ ਚਲਾਉਂਦੀ ਹੈ।

ਫਲਸਪੋਹਲਰ ਦਲੀਲ ਦਿੰਦਾ ਹੈ ਕਿ ਪੂਰਵ ਅਨੁਮਾਨ ਦਾ ਮੁੱਲ ਇਸ 'ਤੇ ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਸਮੇਂ 'ਤੇ ਪਹੁੰਚਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। "ਇੱਕ ਚੰਗੇ ਮੌਸਮ ਦੀ ਭਵਿੱਖਬਾਣੀ, ਸਹੀ ਸਮੇਂ 'ਤੇ, ਸਹੀ ਸੰਚਾਰ ਚੈਨਲ 'ਤੇ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ, ਖੇਤੀਬਾੜੀ ਦੇ ਨਤੀਜਿਆਂ ਲਈ ਇੱਕ ਵੱਡਾ ਫਰਕ ਹੋ ਸਕਦੀ ਹੈ," ਉਸਨੇ ਕਿਹਾ, ਪੂਰਬੀ ਅਫਰੀਕਾ ਰਿਕਾਰਡ ਦੇ ਸਭ ਤੋਂ ਸੁੱਕੇ ਸਾਲਾਂ ਅਤੇ ਹੁਣ ਤੱਕ ਦੇ ਸਭ ਤੋਂ ਨਮੀ ਵਾਲੇ ਸਾਲਾਂ ਦੇ ਵਿਚਕਾਰ ਘੁੰਮ ਰਿਹਾ ਹੈ। ਇੱਕ ਖੇਤਰ ਵਿੱਚ ਜਿੱਥੇ ਖੇਤਾਂ ਵਿੱਚ ਸਿੰਚਾਈ ਅਤੇ ਲਾਉਣਾ, ਖਾਦ ਪਾਉਣ, ਅਤੇ ਬੀਜ-ਖਰੀਦ ਦੇ ਫੈਸਲੇ ਸਾਰੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ 'ਤੇ ਸਵਾਰ ਹੁੰਦੇ ਹਨ, ਇੱਕ ਵਧੇਰੇ ਕੁਸ਼ਲ ਉਪ-ਮੌਸਮੀ ਪੂਰਵ ਅਨੁਮਾਨ ਇੱਕ ਸੰਖੇਪ ਸੁਧਾਰ ਨਹੀਂ ਹੈ।

"ਕਿਉਂਕਿ ਅਸੀਂ ਰਿਕਾਰਡ 'ਤੇ ਹੁਣ ਤੱਕ ਦੇ ਸਭ ਤੋਂ ਗਰਮ ਅਲ ਨੀਨੋ ਦੇ ਵਿਚਕਾਰ ਹਾਂ, ਸਰਕਾਰਾਂ ਅਤੇ ਜਲਵਾਯੂ ਵਿਗਿਆਨ ਭਾਈਚਾਰੇ ਵਿੱਚ ਇਸ ਬਾਰੇ ਬਹੁਤ ਡਰ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਪ੍ਰਗਟ ਹੋਵੇਗਾ," ਫਲਸਪੋਹਲਰ ਨੇ ਕਿਹਾ। "ਸਧਾਰਨ ਪੂਰਵ ਅਨੁਮਾਨ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਇੱਕ ਵੱਡੀ ਲੋੜ ਹੈ ਜੋ ਮਜ਼ਬੂਤੀ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਨ."

ਵੱਡੇ ਮਾਡਲਾਂ ਦੇ ਯੁੱਗ ਵਿੱਚ ਇੱਕ ਕੁਸ਼ਲਤਾ ਦੀ ਦਲੀਲ

ਜੋ PBC ਨੂੰ AI ਖੋਜ ਦੇ ਅੰਦਰ ਧਿਆਨ ਦੇਣ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ ਉਹ ਹੈ ਇਸਦੀ ਆਰਥਿਕਤਾ। ਜਦੋਂ ਕਿ ਜ਼ਿਆਦਾਤਰ ਖੇਤਰੀ ਦੌੜ ਹਮੇਸ਼ਾ-ਵੱਡੇ ਅੰਤ-ਤੋਂ-ਅੰਤ ਪੂਰਵ ਅਨੁਮਾਨ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਹੁੰਦੀ ਹੈ, ਪੀਬੀਸੀ ਇੱਕ ਤੁਲਨਾਤਮਕ ਤੌਰ 'ਤੇ ਛੋਟੀ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਆਪਣੇ ਜ਼ਿਆਦਾਤਰ ਹੁਨਰ ਨੂੰ ਸੰਚਾਲਨ ਮਾਡਲਾਂ ਤੋਂ ਉਧਾਰ ਲੈਂਦੀ ਹੈ ਜੋ ਇਸਨੂੰ ਸਹੀ ਕਰਦੇ ਹਨ। ਇਹ ਇਸਨੂੰ ਚਲਾਉਣਾ ਸਸਤਾ ਅਤੇ ਮੌਸਮ ਵਿਗਿਆਨ ਏਜੰਸੀਆਂ ਲਈ ਅਪਣਾਉਣ ਲਈ ਸੌਖਾ ਬਣਾਉਂਦਾ ਹੈ, ਕਿਉਂਕਿ ਉਹ ਆਪਣੇ ਮੌਜੂਦਾ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਰੱਖ ਸਕਦੇ ਹਨ ਅਤੇ ਸਿਰਫ਼ ਇੱਕ ਸੁਧਾਰ ਪਰਤ ਜੋੜ ਸਕਦੇ ਹਨ।

ਇਹ ਲਾਗੂ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿੱਚ ਇੱਕ ਵਿਆਪਕ ਪੈਟਰਨ ਨੂੰ ਵੀ ਦਰਸਾਉਂਦਾ ਹੈ: ਪੋਸਟ-ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਅਕਸਰ ਲਾਭ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜਿਸ ਲਈ ਇੱਕ ਪੂਰੇ ਮਾਡਲ ਦੇ ਮੁੜ ਕੰਮ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸੀਮਤ ਬਜਟ ਕਿੱਥੇ ਖਰਚ ਕਰਨੇ ਹਨ, ਇਹ ਮਾਪਦੇ ਹੋਏ ਮੌਸਮ ਸੇਵਾਵਾਂ ਲਈ, ਇੱਕ ਵਿਧੀ ਜੋ ਪ੍ਰਦਰਸ਼ਿਤ ਤੌਰ 'ਤੇ ਸਭ ਤੋਂ ਔਖੇ ਪੂਰਵ ਅਨੁਮਾਨ ਰੇਂਜ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦੀ ਹੈ — ਕੁਦਰਤ ਵਿੱਚ ਅਤੇ ਲਾਈਵ ECMWF ਮੁਕਾਬਲੇ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ — ਧਿਆਨ ਖਿੱਚਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।

ਉਪ-ਮੌਸਮੀ AI ਲਈ ਅੱਗੇ ਕੀ ਆਉਂਦਾ ਹੈ

ਮਾਈਕਰੋਸਾਫਟ ਦਾ ਬਲੌਗ ਪੋਸਟ ਇੱਕ ਸੰਚਾਲਨ ਉਤਪਾਦ ਦੀ ਘੋਸ਼ਣਾ ਕਰਨ ਤੋਂ ਰੋਕਦਾ ਹੈ, ਅਤੇ ਕੰਪਨੀ ਨੇ ਇਹ ਨਹੀਂ ਕਿਹਾ ਹੈ ਕਿ ਕੀ ਪੀਬੀਸੀ ਨੂੰ ਵਪਾਰਕ ਪੂਰਵ ਅਨੁਮਾਨ ਪੇਸ਼ਕਸ਼ਾਂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਵੇਗਾ. ਨਜ਼ਦੀਕੀ-ਮਿਆਦ ਦੀ ਜਾਂਚ ਇਹ ਹੈ ਕਿ ਕੀ ਰਾਸ਼ਟਰੀ ਮੌਸਮ ਸੇਵਾਵਾਂ ਆਪਣੇ ਉਪ-ਮੌਸਮੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਲਈ PBC ਵਰਗੀਆਂ ਪੱਖਪਾਤ-ਸੁਧਾਰ ਪਰਤਾਂ ਨੂੰ ਅਪਣਾਉਣੀਆਂ ਸ਼ੁਰੂ ਕਰਦੀਆਂ ਹਨ, ਅਤੇ ਕੀ ਇਹ ਪਹੁੰਚ AI ਪੂਰਵ-ਅਨੁਮਾਨ ਮਾਡਲਾਂ ਦੇ ਨਾਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਬਣਾਉਂਦੀ ਹੈ ਜੋ ਹੁਣ ਕਾਰਜਸ਼ੀਲ ਵਰਤੋਂ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਨ।

ਜੇ ਅਜਿਹਾ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਦੋ-ਤੋਂ-ਛੇ-ਹਫ਼ਤਿਆਂ ਦੀ ਵਿੰਡੋ - ਉਹ ਖਿੱਚ ਜਿੱਥੇ ਕਿਸਾਨਾਂ, ਗਰਿੱਡ ਓਪਰੇਟਰਾਂ, ਅਤੇ ਆਫ਼ਤ ਯੋਜਨਾਕਾਰਾਂ ਕੋਲ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਘੱਟ ਸੀ - ਅੰਤ ਵਿੱਚ ਬੰਦ ਹੋਣਾ ਸ਼ੁਰੂ ਹੋ ਸਕਦਾ ਹੈ। ਇੱਕ ਅਜਿਹੇ ਖੇਤਰ ਲਈ ਜਿਸਨੇ ਹੁਨਰ ਵਿੱਚ ਮਾਮੂਲੀ ਲਾਭਾਂ ਦਾ ਪਿੱਛਾ ਕਰਨ ਵਿੱਚ ਦਹਾਕਿਆਂ ਤੱਕ ਬਿਤਾਏ ਹਨ, ਇੱਕ ਛੋਟੀ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀ ਨੂੰ ਵਿਸ਼ਾਲ ਭੌਤਿਕ ਮਾਡਲਾਂ ਦੀਆਂ ਯੋਜਨਾਬੱਧ ਗਲਤੀਆਂ ਨੂੰ ਸਾਫ਼ ਕਰਨ ਦੇਣਾ ਇੱਕ ਵਿਹਾਰਕ ਕਿਸਮ ਦੀ ਤਰੱਕੀ ਹੈ।

---

AI ਤੋਂ ਅੱਗੇ ਰਹੋ

ਨਵੀਨਤਮ AI ਖਬਰਾਂ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸਫਲਤਾਵਾਂ ਪ੍ਰਾਪਤ ਕਰੋ - ਸਭ ਇੱਕ ਥਾਂ 'ਤੇ।

ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →