Vietnam.vn - Nền tảng quảng bá Việt Nam

AI عالمی موسم کی پیشن گوئی کے مراکز سے بہتر کارکردگی کا مظاہرہ کرتا ہے۔

(Dan Tri) - AI موسمیاتی صنعت کے لیے ایک نئے دور کا آغاز کر رہا ہے، جو عالمی موسم کی پیشن گوئی میں نیا معیار بننے کا وعدہ کر رہا ہے۔

Báo Dân tríBáo Dân trí24/05/2025

AI موسم کی پیشن گوئی کے "سونے کے معیار" کو پیچھے چھوڑ دیتا ہے۔

AI vượt mặt các trung tâm dự báo thời tiết toàn cầu - 1

AI نے موسمیاتی تبدیلیوں کی وجہ سے ہوا کے معیار، موسم کے نمونوں اور اشنکٹبندیی طوفانوں سے باخبر رہنے میں پیشن گوئی کے روایتی طریقوں کو پیچھے چھوڑ دیا ہے (تصویر: گیٹی)۔

مائیکروسافٹ کی طرف سے تیار کردہ ایک نیا مصنوعی ذہانت (AI) ماڈل جس کا نام Aurora ہے سائنسی برادری میں اس وقت بہت زیادہ توجہ مبذول کر رہا ہے جب یہ دنیا کے کئی معروف موسمیاتی مراکز بشمول یورپی سینٹر فار میڈیم رینج ویدر فورکاسٹس (ECMWF) اور یو ایس نیشنل سینٹر (ایچ ایم ڈبلیو ایف) کے مقابلے زیادہ درست اور تیزی سے موسم کی پیش گوئی کرنے کی صلاحیت کو ظاہر کرتا ہے۔

جریدے نیچر میں 22 مئی کو شائع ہونے والی تحقیق کے مطابق، ارورہ سسٹم کو روایتی جسمانی ماڈلز کا استعمال کیے بغیر مکمل طور پر تاریخی ڈیٹا پر تربیت دی گئی تھی۔

پھر بھی، اس نے متاثر کن نتائج پیدا کیے، بشمول 2023 تک تمام بڑے سمندری طوفانوں کی درست پیشین گوئی کرنا، جبکہ 10 دن کی موسم کی پیشن گوئیاں بھی سینکڑوں گنا کم کمپیوٹیشنل لاگت پر پیدا کرنا۔

ایک خاص مثال میں، ارورہ نے چار دن پہلے درست پیشین گوئی کی تھی کہ سپر ٹائفون ڈوکسوری شمالی فلپائن میں لینڈ فال کرے گا، جب کہ اس وقت کی سرکاری پیشن گوئی میں طوفان تائیوان کے شمال کی طرف بڑھ رہا تھا۔

بعد میں ڈوکسوری کو ایشیا پیسیفک خطے کی تاریخ کے مہنگے ترین طوفانوں میں سے ایک کے طور پر ریکارڈ کیا گیا۔

ارورہ نے ECMWF سے بھی بہتر کارکردگی کا مظاہرہ کیا، جسے پیشن گوئی میں "سونے کا معیار" سمجھا جاتا ہے۔ مائیکروسافٹ کے AI نے تقریباً 10 کلومیٹر کے ریزولوشن میں، 10 دن کی عالمی پیشین گوئیوں کے 92% میں ECMWF کو پیچھے چھوڑ دیا۔

ٹیک جنات کے درمیان اے آئی کی دوڑ

AI vượt mặt các trung tâm dự báo thời tiết toàn cầu - 2

AI Aurora نے درست پیشین گوئی کی تھی کہ طوفان Doksuri شمالی فلپائن میں لینڈ فال کرے گا (تصویر: Microsoft)۔

ارورہ فیلڈ میں واحد AI ماڈل نہیں ہے۔ ہواوے نے اس سے قبل اپنا Pangu-Weather ماڈل 2023 میں متعارف کرایا تھا، اور گوگل نے یہ بھی دعویٰ کیا تھا کہ اس کے GenCast ماڈل نے 2019 میں قدرتی آفات کے 97% میں ECMWF کو پیچھے چھوڑ دیا۔

بڑے ممالک اور موسمیاتی ادارے بھی آگے بڑھ رہے ہیں۔ Meteo-France اور ECMWF خود اپنے مشین لرننگ ماڈل تیار کر رہے ہیں۔ ای سی ایم ڈبلیو ایف کے نمائندوں نے کہا کہ ان کا پہلا اے آئی ماڈل، جسے فروری 2025 میں ٹیسٹنگ کے لیے رکھا گیا تھا، محدود ریزولوشن (30 کلومیٹر) کے باوجود، جسمانی ماڈل کے کمپیوٹیشنل وقت سے 1,000 گنا زیادہ بچاتا ہے۔

موسم کی پیشن گوئی میں AI کا اضافہ اس حقیقت سے ہوتا ہے کہ روایتی پیشن گوئی کے ماڈلز کو بہت زیادہ حساب کی ضرورت ہوتی ہے کیونکہ وہ پیچیدہ جسمانی مساوات پر مبنی ہوتے ہیں۔

دریں اثنا، Aurora کی طرح AI حقیقی دنیا کے ڈیٹا سے سیکھتا ہے، ڈرامائی طور پر پروسیسنگ کے اوقات کو کم کرتا ہے۔ ماہرین کا کہنا ہے کہ یہ موسمیات میں انقلاب کی طرف پہلا قدم ہو سکتا ہے۔

"ہم ماحولیاتی نظام سائنس میں ایک بڑی تبدیلی کے آغاز پر ہیں،" یونیورسٹی آف پنسلوانیا کے ایک ایسوسی ایٹ پروفیسر اور مطالعہ کے سرکردہ مصنف پیرس پرڈیکاریس نے کہا۔

انہوں نے کہا کہ "اگلے 5-10 سالوں میں ہدف ایسے نظاموں کی تعمیر کرنا ہے جو دنیا میں کہیں بھی ہائی ریزولوشن پیشن گوئی پیدا کرنے کے لیے سیٹلائٹس اور موسمی اسٹیشنوں کے ڈیٹا کو براہ راست ٹیپ کر سکے۔"

فی الحال، اگرچہ ارورہ ابھی تک تجارتی نہیں ہے، ٹیسٹ کے نتائج بڑی صلاحیت کو ظاہر کرتے ہیں۔

موسمیات کے میدان میں AI کے ذریعے روایتی طریقوں کی بتدریج تبدیلی کو ممکن اور ضروری سمجھا جاتا ہے، خاص طور پر تیزی سے شدید موسمیاتی تبدیلیوں کے تناظر میں اور درست اور بروقت پیشن گوئی کی ضرورت پہلے سے کہیں زیادہ ضروری ہے۔

ماخذ: https://dantri.com.vn/khoa-hoc/ai-vuot-mat-cac-trung-tam-du-bao-thoi-tiet-toan-cau-20250523065832612.htm


تبصرہ (0)

No data
No data

اسی زمرے میں

لوک ہون وادی میں حیرت انگیز طور پر خوبصورت چھت والے کھیت
20 اکتوبر کو 1 ملین VND کی لاگت والے 'امیر' پھول اب بھی مقبول ہیں۔
ویتنامی فلمیں اور آسکر کا سفر
نوجوان لوگ سال کے سب سے خوبصورت چاول کے موسم میں چیک ان کرنے کے لیے شمال مغرب جاتے ہیں۔

اسی مصنف کی

ورثہ

پیکر

کاروبار

نوجوان لوگ سال کے سب سے خوبصورت چاول کے موسم میں چیک ان کرنے کے لیے شمال مغرب جاتے ہیں۔

موجودہ واقعات

سیاسی نظام

مقامی

پروڈکٹ