कृत्रिम बुद्धिमत्ता आधारित मौसम मॉडल मौसम और जलवायु जोखिम के पूर्वानुमान में एक नया कदम दिखाते हैं। इस गर्मी में NeuralGCM नामक हाइब्रिड, AI-संचालित जनरल सर्कुलेशन मॉडल ने भारत में 38 million किसानों को मानसून संबंधी पूर्वानुमान दिए। ये पूर्वानुमान मानसून के सामान्य शुरू होने से चार सप्ताह पहले उपलब्ध थे और शोधकर्ताओं ने बताया कि मॉडल ने जून की शुरुआत में मानसून की प्रगति में तीन सप्ताह के ठहराव का सही संकेत दिया।
NeuralGCM पारंपरिक भौतिक मॉडल और मशीन लर्निंग को जोड़ता है। Google द्वारा विकसित इस मॉडल की तुलना पारंपरिक भौतिक मॉडल और अन्य AI मॉडलों से की गई, और University of Chicago के शोधकर्ताओं ने रिपोर्ट किया कि यह कई मौसम और जलवायु मापदंडों पर मजबूत प्रदर्शन और कम्प्यूटेशनल दक्षता दिखाता है। Chicago टीम को Gates Foundation ने East और West Africa में मौजूदा मॉडलों का बेंचमार्क करने के लिए समर्थन दिया है, जिसमें बरसाती मौसम और हीटवेव पर ध्यान रहेगा।
AI-सहायता प्राप्त पूर्वानुमान लैपटॉप पर चलकर व्यापक पहुँच देते हैं, जबकि पारंपरिक मॉडल अक्सर महंगे सुपरकम्प्यूटर मांगते हैं। भारतीय अधिकारियों ने परियोजना के संभावित आर्थिक लाभों पर जोर दिया; Michael Kremer ने अनुमान लगाया कि AI मौसम पूर्वानुमान सरकार द्वारा निवेश किए गए हर डॉलर के बदले किसानों के लिए US$100 से अधिक पैदा कर सकता है।
कुछ कृषि वैज्ञानिकों ने और विकास की आवश्यकता बताई है। Arun Shanker ने कहा कि वर्षा संकेतों को मिट्टी की नमी, वाष्प दाब घाटा, गर्मी तनाव और फसल-स्तर की संवेदनशीलता के डेटा से जोड़ा जाना चाहिए और गलत जल्दी-आगमन के पूर्वानुमान से पौधों के नाश, पुनःबोवनी लागत और उगाने के समय में नुकसान हो सकता है।
Human-Centred Weather Forecasts पहल इस वर्ष शुरू हुई और फिलहाल पाँच देशों की भागीदार है:
- बांग्लादेश
- चिली
- इथियोपिया
- केन्या
- नाइजीरिया
टीम 2026 में दस और देशों और 2027 में 15 और देशों को जोड़ने की योजना बना रही है, और शोधकर्ता कम और मध्यम-आय वाले देशों में मौसम विज्ञानीों को AI मॉडलों का प्रभावी उपयोग सिखा रहे हैं। हालांकि, परियोजना बड़े पैमाने पर फैलने पर सभी तकनीकी और व्यावहारिक चुनौतियाँ कितनी जल्दी हल होंगी, यह अभी स्पष्ट नहीं है।
कठिन शब्द
- हाइब्रिड — दो अलग तरीकों को जोड़ने वाली विधि
- जनरल सर्कुलेशन मॉडल — बड़े पैमाने पर वायुमंडलीय गति का कम्प्यूटेशनल मॉडल
- कम्प्यूटेशनल दक्षता — कम समय और संसाधन में काम करने की क्षमता
- वाष्प दाब घाटा — हवा और पत्तों के बीच नमी का अंतर
- पुनःबोवनी — खराब फसल के बाद फिर से बीज बोना
- बेंचमार्क — किसी चीज़ की तुलना के लिए मानक तय करना
युक्ति: जब आप किसी भी भाषा में कहानी पढ़ें या ऑडियो सुनें, तो लेख में हाइलाइट किए गए शब्दों पर होवर/फ़ोकस/टैप करें और तुरंत छोटी-सी परिभाषा देखें।
चर्चा के प्रश्न
- छोटे और मध्यम-आय वाले देशों में लैपटॉप पर चलने वाले AI मौसम मॉडल किसानों के निर्णयों को कैसे बदल सकते हैं? उदाहरण दें।
- लेख में बताए गए तकनीकी और व्यावहारिक चुनौतियाँ बड़ी तादाद में परियोजना फैलने पर किस तरह मुश्किलें पैदा कर सकती हैं?
- वर्षा संकेतों को मिट्टी की नमी, वाष्प दाब घाटा और गर्मी तनाव के साथ जोड़ने से गलत पूर्वानुमान के जोखिम कैसे कम हो सकते हैं?
