DeepMind sun’iy intellekti dovullarni boshqalardan ertaroq bashorat qila olishini aytdi
Google DeepMind’ning WeatherNext modeli ochiq kodga chiqariladi.
Google DeepMind’ning WeatherNext modeli ochiq kodga chiqariladi. U pastroq aniqlikdagi ob-havo ma’lumotlaridan foydalanib, bo‘ronning yo‘nalishi va kuchini aniq bashorat qila oladi. Biroq tadqiqotchilar model buni qanday amalga oshirayotganini hali to‘liq tushunishmaydi.
2025-yil oktabrida Karib dengizi ustida bo‘ron shakllandi. Ob-havo modellari uning yo‘nalishi bo‘yicha turlicha prognoz berdi. Bo‘ron kuchsizligicha qolib, Gaitiga boradimi yoki kuchayib, Yamayka tomon yo‘naladimi — bu noaniq edi. Google’ning DeepMind va Google Research bo‘limlari ishlab chiqqan WeatherNext sun’iy intellekt modeli ikkinchi variantni ko‘rsatdi. Quruqlikka yetib kelishidan besh kun oldin u bo‘ron Yamaykaga 5-toifali dovul sifatida urilish ehtimolini 80 foiz deb baholadi.
Melissa dovuli Yamaykada katta talafot keltirdi: mamlakat bo‘ylab suv toshqinlari va ko‘chkilari yuz berdi. Biroq sun’iy intellekt modeli sinoptiklarga uning yo‘lidagi aholini ertaroq ogohlantirishga yordam berdi. Bu esa odamlarga yaxshiroq tayyorgarlik ko‘rish imkonini berdi.
Payshanba kuni Nature jurnalida chop etilgan tadqiqotda olimlar WeatherNext siklonlarni misli ko‘rilmagan aniqlikda bashorat qila olishini ko‘rsatdi. Model sinoptiklarga amaldagi tizimlarga qaraganda o‘rtacha bir kun ko‘proq vaqt beradi. Ya’ni WeatherNext’ning uch kun oldingi prognozi avvalgi modellarning ikki kun oldingi prognozi kabi aniq bo‘ladi. Amaliyotda qo‘shimcha bir kun juda katta ahamiyatga ega.
“Bir necha soatning o‘zi ham vaziyatni o‘zgartirishi mumkin”, — deydi AQSh Milliy dovullar markazi direktori Mike Brennan. Aholini evakuatsiya qilishni tashkil etish, zarur buyumlarni oldindan joylashtirish va dovul xavfiga javob berish uchun resurslarni ko‘chirish — bularning barchasi vaqtga bog‘liq vazifalar. Noto‘g‘ri qaror esa jiddiy oqibatlarga olib kelishi mumkin.
“Bunday qarorlar haqida gap ketganda, vaqt nihoyatda qadrli. Shu sababli prognoz aniqligini avvalgidan bir kungacha uzoqroq muddatga ta’minlay olish juda katta foyda beradi”, — deya qo‘shimcha qiladi u.
Tadqiqotchilarning aytishicha, tarixan prognoz muddatini bir kunga uzaytirish uchun o‘n yillik mehnat talab etilgan.
Ekstremal hodisalarni modellashtirish AI uchun qiyin vazifa. Mashinaviy o‘qitish kelajakni bashorat qilish uchun katta hajmdagi trening ma’lumotlariga muhtoj. Ammo ekstremal hodisalar tabiatan kamdan-kam yuz beradi.
“Bizda siklonlar haqidagi ma’lumotlar unchalik ko‘p emas, lekin ob-havo bo‘yicha ma’lumotlar juda ko‘p”, — deydi Google DeepMind tadqiqotchisi va maqolaning yetakchi mualliflaridan biri Ferran Alet. “Shuning uchun biz modelni ham ob-havoni, ham siklonlarni yaxshi bashorat qila oladigan qilib o‘qitdik.”
Atmosferani tadqiq qilish kooperativ institutining tropik siklonlar guruhi rahbari va maqola mualliflaridan biri Kate Musgrave’ning aytishicha, dovullarni bashorat qilish ayniqsa qiyin. Chunki ular turli geografik miqyoslarda shakllanadi.
Bo‘ron yo‘nalishini — ya’ni qaysi tomonga harakatlanishini — aniqlash uchun global miqyosdagi ob-havo ma’lumotlari kerak bo‘ladi. Masalan, sovuq frontlarning joylashuvi va ustun shamollar hisobga olinadi. Bo‘ron kuchini aniqlash uchun esa ancha mayda miqyosdagi, aynan shu hududdagi atmosfera va okean sharoitlariga oid ma’lumotlar talab etiladi.
“Global modellar bunday ma’lumotni bizga shunchaki bera olmaydi”, — deydi Musgrave. Avvalgi AI modellari bo‘ron yo‘nalishini yaxshi bashorat qilgan bo‘lsa-da, “kuchini aniqlashda umuman yaxshi natija ko‘rsata olmagan”.