GraphCast کیا ہے؟

GraphCast ایک مشین لرننگ موسم کا ماڈل ہے جو Google DeepMind کی طرف سے بنایا گیا ہے جو گراف نیورل نیٹ ورکس استعمال کرتا ہے 10 روزہ عالمی پیش گوئیاں ایک منٹ سے کم میں تیار کرنے کے لیے، جو نومبر 2023 میں Science جرنل میں شائع کیا گیا تھا۔

کیا AI روایتی موسم کی پیش گوئی سے زیادہ درست ہے؟

ان تنظیموں کے مطابق جنہوں نے انہیں بنایا، GraphCast اور ECMWF کے AIFS جیسے AI ماڈلز زیادہ تر ٹیسٹ متغیرات اور lead times پر طبیعیات پر مبنی بینچ مارکس کو شکست دیتے ہیں، بشمول tropical cyclone ٹریکس، لیکن ایجنسیاں کہتی ہیں کہ طبیعیات پر مبنی ماڈل ابھی بھی کچھ انتہائی موسم کی تفصیلات کو زیادہ قابل اعتماد طریقے سے سنبھالتے ہیں۔

کیا ECMWF کا AI پیش گوئی کا نظام عوام کے لیے دستیاب ہے؟

جی ہاں۔ ECMWF اپنے طبیعیات پر مبنی IFS ماڈل کے ساتھ AIFS کو چلاتا ہے، اور مرکز کہتا ہے کہ AIFS پیش گوئی کے چارٹ اس کی ویب سائٹ پر کھلے طور پر دستیاب ہیں۔

کینیڈا کا GEML ماڈل کیا ہے؟

GEML، Global Environmental eMuLator، Environment and Climate Change Canada کا AI موسم کا ماڈل ہے جو Google DeepMind کے اوپن سورس GraphCast پر بنایا گیا ہے اور کینیڈی ڈیٹا پر تربیت یافتہ ہے؛ یہ 27 مئی 2026 کو آپریشنل ہوا، ایجنسی کے روایتی طبیعیات پر مبنی ماڈل کے ساتھ ملائے ہوئے ہائبرڈ نظام کے طور پر۔

ایجنسیاں طبیعیات پر مبنی ماڈلز کو مکمل طور پر AI سے کیوں نہیں بدلتیں؟

Environment and Climate Change Canada اور ECMWF دونوں کہتے ہیں کہ موجودہ AI ماڈلز fine فضائی تفصیلات کو صاف کرتے ہیں جو کچھ انتہائی موسم کی صورتوں میں اہم ہیں، اس لیے وہ صرف AI استعمال کرنے کی بجائے AI کو طبیعیات پر مبنی ماڈلنگ کے ساتھ ملاتے ہیں۔

یہ زبان مشین کے ذریعے ترجمہ کی گئی ہے اور کسی انسان نے اس کا جائزہ نہیں لیا۔

ٹیکنالوجی · مضمون

مصنوعی ذہانت موسم کی پیش گوئی کو کیسے بدل رہی ہے: GraphCast، AIFS اور کینیڈا کا GEML

اشاعت: 17 اکتوبر، 2026 کو 06:53 PM UTC

مختصراً

مصنوعی ذہانت اب روایتی طبیعیات پر مبنی موسم کی پیش گوئی کے نمونوں کے ساتھ چل رہی ہے، اور کچھ معاملات میں ان سے بہتر کارکردگی دکھا رہی ہے۔ یہ کام یورپی مرکز برائے درمیانی مدتی موسم کی پیش گوئی اور Environment and Climate Change Canada جیسی ایجنسیوں میں ہو رہا ہے۔ Google DeepMind کا GraphCast اور ECMWF کا AIFS جیسے AI نظام صرف کچھ سیکنڈ میں پیش گوئیاں تیار کرتے ہیں بجائے گھنٹوں کے، اور کہیں کم کمپیوٹنگ توانائی استعمال کرتے ہوئے، لیکن سرکاری تشخیصات کہتی ہیں کہ روایتی طبیعیات پر مبنی ماڈل ابھی بھی کچھ انتہائی موسم کی تفصیلات کو بہتر طریقے سے سنبھالتے ہیں۔

یہ نسخہ اصل متن (English) کا مشینی ترجمہ ہے۔ اصل متن پڑھیں

یورپ اور شمالی امریکا کی موسم کی ایجنسیوں نے مصنوعی ذہانت کے نمونوں کو دہائیوں پرانے طبیعیات پر مبنی پیش گوئی کے نظام کے ساتھ متوازی طور پر چلانا شروع کر دیا ہے، اور کچھ معاملات میں دونوں کو ملا رہے ہیں۔ یہ تبدیلی AI کی صلاحیت سے چلائی جا رہی ہے جو ایک منفرد پروسیسر پر ایک منٹ سے کم میں عالمی 10 روزہ پیش گوئی پیدا کر سکتی ہے، روایتی عددی موسم کی پیش گوئی کے لیے سپر کمپیوٹر کے گھنٹوں کے موازنے میں، Google DeepMind اور European Centre for Medium-Range Weather Forecasts (ECMWF) کے مطابق۔

GraphCast اور AIFS دراصل کیا کرتے ہیں

GraphCast، Google DeepMind کی طرف سے بنایا گیا، ایک مشین لرننگ ماڈل ہے جو گراف نیورل نیٹ ورکس استعمال کرتا ہے موسمی ڈیٹا کو ایک لاکھ سے زیادہ گرڈ پوائنٹس پر پروسیس کرنے کے لیے جو زمین کی سطح کو 28 سے 28 کلومیٹر کی ریزولوشن میں کور کرتے ہیں۔ یہ چھ گھنٹے پہلے سے فضائی حالت اور موجودہ حالت لیتا ہے، پھر اگلے چھ گھنٹوں کی پیش گوئی کرتا ہے؛ اس قدم کو بار بار چلانے سے 10 روزہ پیش گوئی بنتی ہے۔ ماڈل اور اس کے نتائج Science جرنل میں 14 نومبر 2023 کو شائع کیے گئے، اور اس کا کوڈ اوپن سورس کے طور پر جاری کیا گیا، Google DeepMind کے اپنے اعلان کے مطابق۔

ECMWF نے اپنا نظام بنایا، Artificial Intelligence Forecasting System (AIFS)، جو 25 فروری 2025 کو آپریشنل ہوا، مرکز کے روایتی طبیعیات پر مبنی Integrated Forecasting System (IFS) کے ساتھ چلتے ہوئے۔ AIFS IFS کے برابر شروعاتی ڈیٹا استعمال کرتا ہے — تقریباً 60 لاکھ معیاری کنٹرول شدہ مشاہدات سیٹلائٹوں، ہوائی جہازوں، buoys اور زمینی اسٹیشنوں سے جمع کیے گئے ہر چھ گھنٹے میں — لیکن ایک مشین لرننگ ماڈل کا اطلاق کرتا ہے جو تاریخی موسم کے نمونوں پر تربیت یافتہ ہے براہ راست طبیعیات کی مساوات کو حل کرنے کی بجائے، ECMWF کے مطابق۔

AI ماڈلز کی درستگی، ان تنظیموں کے مطابق جنہوں نے انہیں بنایا

Google DeepMind نے رپورٹ کیا کہ GraphCast نے ECMWF کے High Resolution Forecast (HRES) سے زیادہ درست پیش گوئیاں دیں — کمپنی کی طرف سے انڈسٹری بینچ مارک کے طور پر بیان کیا گیا — 1,380 ٹیسٹ متغیرات اور lead times میں سے 90 فیصد سے زیادہ پر، اور troposphere سے متعلقہ متغیرات میں سے 99.7 فیصد پر، وہ فضائی پرت جہاں سب سے زیادہ موسم ہوتا ہے۔ DeepMind نے یہ بھی کہا کہ GraphCast نے Hurricane Lee کے Nova Scotia میں آنے کی 9 دن پہلے پیش گوئی کی۔

ECMWF نے رپورٹ کیا کہ AIFS "بہت سے اقدامات میں جدید ترین طبیعیات پر مبنی ماڈلز کو شکست دیتا ہے، بشمول tropical cyclone ٹریکس، 20 فیصد تک کے فوائد کے ساتھ،" روایتی طریقوں کے مقابلے میں فی پیش گوئی میں تقریباً 1,000 گنا کم توانائی استعمال کرتے ہوئے۔

تین AI موسم کے نظام کا موازنہ، ذریعے کے لحاظ سے
نظام	بنایا	حالت	رپورٹ شدہ کارکردگی کا فائدہ
GraphCast	Google DeepMind	Science میں شائع، نومبر 2023؛ اوپن سورس	1,380 ٹیسٹ متغیرات میں سے 90 فیصد سے زیادہ پر ECMWF کے HRES سے زیادہ درست
AIFS	ECMWF	25 فروری 2025 سے آپریشنل	tropical cyclone ٹریکس پر 20 فیصد تک بہتر؛ فی پیش گوئی میں تقریباً 1,000x کم توانائی
GEML (ہائبرڈ)	Environment and Climate Change Canada	27 مئی 2026 سے آپریشنل	GraphCast پر بنایا گیا؛ "spectral nudging" کے ذریعے AI کو طبیعیات کے ساتھ ملاتا ہے

کینیڈا کا ہائبرڈ طریقہ: AI ایک طبیعیات کے ماڈل کی رہنمائی کر رہا ہے

Environment and Climate Change Canada نے ایک مختلف راستہ اختیار کیا، ایک کینیڈی AI ماڈل بنایا جس کا نام Global Environmental eMuLator (GEML) DeepMind کے اوپن سورس GraphCast کوڈ کے اوپر رکھا اور اسے کینیڈی تاریخی موسم کے ڈیٹا پر تربیت دی۔ طبیعیات پر مبنی ماڈل کو بدلنے کی بجائے، ایجنسی دونوں کو ایک تکنیک کے ذریعے ملاتی ہے جس کو وہ "spectral nudging" کہتے ہیں: روایتی ماڈل کو نرم طریقے سے GEML کی طرف سے تیار کردہ فضائی حالت کی طرف ہدایت دی جاتی ہے، جبکہ انتہائی موسم سے متعلقہ fine-scale تفصیلات ابھی بھی قائم شدہ طبیعیات کی مساوات کا استعمال کرتے ہوئے تیار ہوتی ہیں، ایجنسی کے سرکاری اعلان کے مطابق۔ ہائبرڈ نظام 27 مئی 2026 کو آپریشنل ہوا، ایک سال سے زیادہ کی جانچ کے بعد۔

Environment and Climate Change Canada نے کہا کہ AI ماڈلز بڑے پیمانے پر فضائی نمونوں کے لیے روایتی کمپیوٹر ماڈلز کو شکست دے سکتے ہیں، جو لمبے lead times پر سب سے زیادہ اہم ہے، لیکن اعلان میں ایک مخصوص بہتری کی تعداد شائع نہیں کی گئی۔

جہاں AI ابھی بھی کمی ہے

ECMWF اور Environment and Climate Change Canada دونوں نے حدود کی نشاندہی کی۔ ECMWF کا AIFS فی الوقت صرف ایک deterministic single forecast کے طور پر چلتا ہے؛ ایک ensemble ورژن جو 50 پیش گوئی کی تغیرات پیش کرتا ہے، جو پیش گوئی کی عدم یقین کا اندازہ لگانے کے لیے معیاری ہے، ابھی تیار کیے جا رہے ہیں، ECMWF کے مطابق۔ Environment and Climate Change Canada نے کہا کہ اپنے طور پر، موجودہ AI ماڈلز صرف محدود تعداد میں متغیرات کی پیش گوئی کرتے ہیں، جو آپریشنل استعمال کے لیے کافی نہیں ہے، اور وہ finer فضائی تفصیلات کو اس طریقے سے صاف کرتے ہیں جو کچھ خاص قسم کے انتہائی موسم کے لیے درستگی کو کم کر سکتے ہیں — ایک وجہ کہ ایجنسی نے صرف AI کے نظام کی بجائے ہائبرڈ ڈیزائن منتخب کیا۔

سوالات

GraphCast کیا ہے؟: GraphCast ایک مشین لرننگ موسم کا ماڈل ہے جو Google DeepMind کی طرف سے بنایا گیا ہے جو گراف نیورل نیٹ ورکس استعمال کرتا ہے 10 روزہ عالمی پیش گوئیاں ایک منٹ سے کم میں تیار کرنے کے لیے، جو نومبر 2023 میں Science جرنل میں شائع کیا گیا تھا۔
کیا AI روایتی موسم کی پیش گوئی سے زیادہ درست ہے؟: ان تنظیموں کے مطابق جنہوں نے انہیں بنایا، GraphCast اور ECMWF کے AIFS جیسے AI ماڈلز زیادہ تر ٹیسٹ متغیرات اور lead times پر طبیعیات پر مبنی بینچ مارکس کو شکست دیتے ہیں، بشمول tropical cyclone ٹریکس، لیکن ایجنسیاں کہتی ہیں کہ طبیعیات پر مبنی ماڈل ابھی بھی کچھ انتہائی موسم کی تفصیلات کو زیادہ قابل اعتماد طریقے سے سنبھالتے ہیں۔
کیا ECMWF کا AI پیش گوئی کا نظام عوام کے لیے دستیاب ہے؟: جی ہاں۔ ECMWF اپنے طبیعیات پر مبنی IFS ماڈل کے ساتھ AIFS کو چلاتا ہے، اور مرکز کہتا ہے کہ AIFS پیش گوئی کے چارٹ اس کی ویب سائٹ پر کھلے طور پر دستیاب ہیں۔
کینیڈا کا GEML ماڈل کیا ہے؟: GEML، Global Environmental eMuLator، Environment and Climate Change Canada کا AI موسم کا ماڈل ہے جو Google DeepMind کے اوپن سورس GraphCast پر بنایا گیا ہے اور کینیڈی ڈیٹا پر تربیت یافتہ ہے؛ یہ 27 مئی 2026 کو آپریشنل ہوا، ایجنسی کے روایتی طبیعیات پر مبنی ماڈل کے ساتھ ملائے ہوئے ہائبرڈ نظام کے طور پر۔
ایجنسیاں طبیعیات پر مبنی ماڈلز کو مکمل طور پر AI سے کیوں نہیں بدلتیں؟: Environment and Climate Change Canada اور ECMWF دونوں کہتے ہیں کہ موجودہ AI ماڈلز fine فضائی تفصیلات کو صاف کرتے ہیں جو کچھ انتہائی موسم کی صورتوں میں اہم ہیں، اس لیے وہ صرف AI استعمال کرنے کی بجائے AI کو طبیعیات پر مبنی ماڈلنگ کے ساتھ ملاتے ہیں۔

ذرائع

یہ تحریر مصنوعی ذہانت سے تیار کی گئی اور اشاعت سے پہلے ذرائع کی خودکار جانچ سے گزری۔ اگر آپ کو کوئی غلطی نظر آئے تو تصحیح کی درخواست کریں۔ تصحیح یا جواب کی درخواست · ہم کیسے کام کرتے ہیں