शुक्रवार की दोपहर को, केटलिन कोंगिस और डेसकार्टेस लैब्स के कुछ अन्य वैज्ञानिक अपने सांता फ़े, न्यू मैक्सिको, कार्यालय में बुलाते हैं और एक जमीनी स्तर के प्रोजेक्ट पर काम करने के लिए नीचे उतरते हैं, जो उनकी नौकरी का हिस्सा नहीं है: ऊपर से हिकेनत देख रहे हैं, और अगर वे देख रहे हैं यह पता लगा सकता है कि तूफान क्या करेंगे। *
वे एनओएए और नासा द्वारा संचालित जियोस्टेशनरी ऑपरेशनल एनवायमेंटल सैटलाइट, जीओईएस से डेटा हासिल करते हैं, जो हर पांच मिनट में पश्चिमी गोलार्ध की छवियों को रिकॉर्ड करता है। इस बारे में कि टीम को हर बार एक गहरी लर्निंग एल्गोरिथ्म के माध्यम से प्रत्येक छवि को संसाधित करने में कितना समय लगता है जो तूफान की नजर का पता लगाता है और उस पर छवि प्रोसेसर को केंद्र में रखता है। फिर, वे सिंथेटिक एपर्चर डेटा को शामिल करते हैं, जो बादलों के माध्यम से देखने के लिए लंबी-लहर रडार का उपयोग करता है, और परावर्तकता के आधार पर पानी को नीचे कर सकता है। बदले में, तूफान के मार्ग में शहरों के दिनों में, लगभग वास्तविक समय की बाढ़ दिखा सकता है।
डेसकार्टेस के प्रमुख वैज्ञानिक कोंटगिस कहते हैं, "इन परियोजनाओं का लक्ष्य ... वास्तव में पहले उत्तरदाताओं और उन लोगों के हाथों में डेटा प्राप्त करना है जो निर्णय ले रहे हैं और मदद कर सकते हैं"।
तूफान हार्वे, उदाहरण के लिए, हवा की गति को कम करने के बावजूद अप्रत्याशित रूप से ह्यूस्टन के बड़े हिस्से में बाढ़ आ गई। उस तूफान ने डेसकार्टेस के वैज्ञानिकों को उस कार्यक्रम का निर्माण करने के लिए प्रेरित किया जो वे अब उपयोग करते हैं, हालांकि वे उस डेटा को पुनर्प्राप्ति प्रयासों को लागू करने में बहुत देर कर रहे थे। हालांकि डेसकार्टेस लैब्स फेमा और अन्य संगठनों के संपर्क में रही हैं, लेकिन वे जिस डेटा को टक्कर दे रहे हैं उसका कोई आधिकारिक उपयोग नहीं है।
यह छवि ग्रामीण दक्षिणी ह्यूस्टन क्षेत्र में तूफान हार्वे से पहले पानी की संभावना को दर्शाती है, जैसा कि बाढ़ का पता लगाने के लिए डेसकार्टेस लैब्स से एक गहरी सीखने वाले कंप्यूटर विजन मॉडल द्वारा मापा जाता है। "पहले" छवि 1 जून, 2017 से है। (डेसकार्टेस लैब्स) 
यह छवि उसी क्षेत्र में तूफान हार्वे के दौरान पानी की संभावना को दर्शाती है। गहरे रंग के पानी की उच्च संभावना को इंगित करते हैं। यह "दौरान" छवि 29 अगस्त, 2017 से है। (डेसकार्टेस लैब्स) तूफान के साथ काम डेसकार्टेस के मुख्य व्यवसाय का हिस्सा नहीं है, जिसमें खाद्य आपूर्ति श्रृंखलाओं, अचल संपत्ति और बहुत कुछ का आकलन करने के लिए समान मशीन सीखने का उपयोग करना शामिल है। उदाहरण के लिए, डेसकार्टेस ब्राज़ील, अर्जेंटीना और चीन में कृषि के उपग्रह डेटा को देख सकते हैं और वैश्विक मक्का की पैदावार और कीमतों पर भविष्यवाणियाँ कर सकते हैं। या यह निर्माण दर का आकलन कर सकता है और भूमि मूल्य का अनुमान लगा सकता है। लेकिन समूह तूफान और अन्य प्राकृतिक आपदाओं की जांच करने के लिए एक ही तकनीक का लाभ उठा सकता है, और भविष्य में एल्गोरिथ्म के लिए अतिरिक्त जानकारी को शामिल करने की योजना बना सकता है, जैसे तूफान का आकार, हवा की गति, और यहां तक कि भूमि उन्नयन से बेहतर बाढ़ की भविष्यवाणी करना।
डेसकार्टेस कई एजेंसियों, कंपनियों और अनुसंधान समूहों में से एक है जो तूफान की भविष्यवाणी, सुरक्षा और जागरूकता पर बड़े डेटा और मशीन सीखने का लाभ उठाने की कोशिश कर रहा है। सफलता का अर्थ हो सकता है कि जलवायु-खराब होने वाले तूफानों के बिगड़ने की स्थिति में आर्थिक और मानव - या कम से कम बढ़े हुए विकल्पों का सामना करना पड़े।
भविष्यवाणी करते हुए कि तूफान कहाँ जाएगा एक अच्छी तरह से स्थापित परिप्रेक्ष्य है, ओक्लाहोमा विश्वविद्यालय में कंप्यूटर विज्ञान के प्रोफेसर एमी मैकगवर्न कहते हैं। मैकगवर्न ने वजहों और आंधी के बारे में निर्णय लेने में एआई के उपयोग का अध्ययन किया, लेकिन उस कारण से तूफान नहीं। लेकिन वह कहती हैं कि अभी भी तूफान में बहुत सारे कारक हैं जो भविष्यवाणी करना मुश्किल है। जहां वे भूमि की भविष्यवाणी कर सकते हैं, लेकिन जब वे वहां पहुंचेंगे तो एक और कहानी होगी; तूफान अच्छी तरह से बाहर चक्कर लगाने या बस से पहले उतरने के लिए रैंप के लिए जाना जाता है।
तंत्रिका नेटवर्क के साथ भी, बड़े पैमाने पर मॉडल सभी कुछ मान्यताओं का उपयोग करते हैं, डेटा की एक सीमित मात्रा के लिए धन्यवाद वे शामिल कर सकते हैं और संभावित प्रकार के इनपुट की लगभग अनंत संख्या है। मैकगवर्न कहते हैं, "यह एआई के लिए एक चुनौती है।" “मॉडल निश्चित रूप से परिपूर्ण नहीं हैं। मॉडल सभी अलग-अलग पैमाने पर हैं, वे अलग-अलग समय के प्रस्तावों पर उपलब्ध हैं। इन सभी में अलग-अलग पूर्वाग्रह हैं। एक और चुनौती सिर्फ आंकड़ों की भारी मात्रा है। ”
यही कारण है कि इतने सारे वैज्ञानिक एआई को उस सभी डेटा को समझने में मदद करने के लिए देख रहे हैं। यहां तक कि NOAA बोर्ड पर हो रही है। वे वे लोग हैं जो GOES उपग्रहों को संचालित करते हैं, इसलिए वे डेटा के साथ भी डूबे हुए हैं।
अब तक एनओएए वैज्ञानिक गहरी सीख का इस्तेमाल कर रहे हैं, यह समझने के लिए कि वे अपनी छवियों से कौन सा डेटा प्राप्त कर सकते हैं, खासकर अब जब कि नए GOES-16 में 16 अलग-अलग वर्णक्रमीय बैंड हो सकते हैं, प्रत्येक मौसम के पैटर्न में एक अलग झलक प्रदान करता है, जिसके परिणामस्वरूप एक पिछले उपग्रह की तुलना में अधिक डेटा का क्रम। NOAB में सूचना विज्ञान और विज़ुअलाइज़ेशन के प्रमुख जेब स्टीवर्ट कहते हैं, "जब आप इसे गहराई से सीखते हैं तो उपग्रह डेटा का प्रसंस्करण काफी तेज़ हो सकता है।" “यह हमें इसे देखने की अनुमति देता है। सूचना की एक आग की नली है ... जब मॉडल इन पूर्वानुमानों का निर्माण कर रहा है, तो हमारे पास एक अलग प्रकार की सूचना समस्या है, जो कि पूर्वानुमान के लिए इसे समझने की प्रक्रिया करने में सक्षम है। "
एनओएए अपने कंप्यूटरों को अपने उपग्रह इमेजरी से तूफान को बाहर निकालने के लिए प्रशिक्षित कर रहा है, और आखिरकार डेटा की अन्य परतों के साथ संभाव्य पूर्वानुमानों को बेहतर बनाने के लिए गठबंधन करेगा, जो नौसेना, वाणिज्यिक शिपिंग कंपनियों, तेल रिसाव और कई अन्य उद्योगों को उनके बारे में बेहतर बनाने में मदद करेगा। संचालन।
नासा, भी, उष्णकटिबंधीय विक्षोभ की वास्तविक समय की तीव्रता का अनुमान लगाने के लिए गहन शिक्षण का उपयोग कर रहा है, जो एल्गोरिदमिक नियम विकसित कर रहा है जो दृश्य और अवरक्त वर्णक्रम में पैटर्न को पहचानता है। एजेंसी का वेब-आधारित टूल उपयोगकर्ताओं को GOES डेटा के आधार पर लाइव और ऐतिहासिक तूफान के लिए छवियों और हवा की गति की भविष्यवाणी देखने देता है।
एक बार जब हम कंप्यूटरों को मज़बूती से तूफान की जगह की उम्मीद कर सकते हैं, तो हमें अनुवाद करने के लिए एक तरीका चाहिए जो कुछ लोगों को समझ सके। बस हवा की गति की तुलना में बहुत अधिक जानकारी उपलब्ध है, और इसकी समझ बनाने से हम सभी अन्य तरीकों को समझने में मदद कर सकते हैं जो तूफान समुदायों को प्रभावित करते हैं। कोलोराडो स्टेट यूनिवर्सिटी में सिविल और एनवायरनमेंटल इंजीनियरिंग के एसोसिएट प्रोफेसर हुसाम महमूद ने बड़े पैमाने पर कुछ तूफानों को दूसरों की तुलना में विनाशकारी बना दिया है। उनके बीच प्राथमिक, वे कहते हैं, जहां वे तूफान लैंडफॉल बनाते हैं, और क्या, या कौन, वहां पहुंचने पर उनका इंतजार कर रहा है। यह सुझाव देना आश्चर्यजनक नहीं है कि एक तूफान जो एक शहर पर हमला करता है, वह एक से अधिक नुकसान करेगा जो एक निर्वासित तट से टकराता है, लेकिन एक जो समुद्र की दीवारों और अन्य शमन कारकों के साथ तैयार किए गए क्षेत्र को हिट करता है, साथ ही साथ एक कम प्रभाव पड़ेगा।
एक बार जब आप जानते हैं कि किस प्रकार की क्षति की उम्मीद है, तो आप शहरों के लिए चुनौतियों के लिए बेहतर तैयार हो सकते हैं, जैसे कि अस्पतालों और स्कूल बंद करना, और आप और अधिक निश्चित हो सकते हैं कि क्या निकासी आवश्यक है। लेकिन फिर संचार की समस्या है: वर्तमान में, तूफान को उनकी हवा की गति से वर्णित किया जाता है, 1 से श्रेणियों में 5 के माध्यम से रखा जाता है। लेकिन हवा की गति क्षति का केवल एक पूर्वानुमान है। महमूद और उनके सहयोगियों ने पिछले साल फ्रंटियर्स इन बिलियर्स इन बिल्ट एनवायरनमेंट में एक तूफान तूफान प्रभाव स्तर नामक एक आकलन के बारे में एक अध्ययन प्रकाशित किया था।
महमूद कहते हैं, '' हम कुछ ऐसा करना चाहते थे, जहां हम जोखिम का बेहतर तरीके से संवाद कर सकें, जिसमें अलग-अलग संभावनाएं शामिल हैं। "तूफान का बढ़ना बहुत महत्वपूर्ण होगा, आपके पास कितनी वर्षा होती है, यह बहुत महत्वपूर्ण है, और हवा की गति कितनी है।"
परियोजना में हाल के तूफानों - हवा की गति, तूफान की वृद्धि और वर्षा, बल्कि स्थान और जनसंख्या के डेटा शामिल हैं - और उनके लिए एक तंत्रिका नेटवर्क लागू होता है। फिर, यह खुद को प्रशिक्षित कर सकता है, उदाहरण के लिए, अगर तूफान को एक्स लोकेशन में लैंडफॉल बनाना चाहिए, तो विंड स्पीड वाई, स्टॉर्म सर्ज जेड आदि के साथ, नुकसान संभवतः एक विशेष स्तर का होगा, जो आर्थिक लागत में व्यक्त किया गया है। यह वास्तविक तूफानों से एनओएए रिकॉर्ड, जनगणना के आंकड़ों और अन्य स्रोतों के इनपुट की तुलना करता है, और एक नुकसान स्तर देता है जो उन तूफानों में हुआ है। महमूद की टीम ने इसे वास्तविक रूप से आज़माया, और पिछले दो वर्षों में, मॉडल ने तूफान के लिए सटीक अनुमान दिया है, जिसने लैंडफॉल बनाया।
"अगर हम ऐसा कर सकते हैं, तो शायद हम कर सकते हैं, सबसे पहले, उस नुकसान की भयावहता को समझें जो हम तूफान के कारण अनुभव करने वाले हैं, और ... इसका उपयोग निकासी आदेश जारी करने के लिए करते हैं, जो मुख्य में से एक रहा है। तूफान शमन और प्रतिक्रिया के साथ मुद्दों, "महमूद कहते हैं।
महमूद की प्रस्तावित प्रणाली अभी तक नहीं चलाई गई है, लेकिन वह द वेदर चैनल के साथ बातचीत कर रहा है, जिसे वह प्रारंभिक चरण कहता है, लेकिन आशाजनक है।
वेदर कंपनी (द वेदर चैनल की मूल कंपनी) पहले से ही अपनी सहायक कंपनी आईबीएम के पीएआईआरएस जियोस्कोप बड़े डेटा प्लेटफॉर्म का उपयोग बिजली की कीमतों का अनुमान लगाने के लिए करती है और इस तरह से तूफान के मद्देनजर बेहतर आपदा प्रतिक्रिया तैयार करती है। सिस्टम के लिए इनपुट न केवल मौसम उपग्रहों से, बल्कि उपयोगिता नेटवर्क मॉडल और पावर आउटेज इतिहास से आते हैं। इन भविष्यवाणियों को भी, मिट्टी की नमी सहित डेटा के अधिक से अधिक स्रोतों को जोड़ने से लाभ होगा, जो पेड़ गिरने की भविष्यवाणी करने में मदद कर सकता है।
उपलब्ध आंकड़ों की मात्रा बहुत तेजी से बढ़ रही है, और इसलिए इसे संसाधित करने की हमारी क्षमता है, हथियारों की दौड़ का विस्तार सटीकता और संभाव्य तूफान के पूर्वानुमान के भविष्य की ओर इशारा करता है जो दुनिया भर में तूफान की तैयारी में मदद करेगा।
# एल्डर, पर्वतारोही, और मोसेसफायरफायर # एल्डर, पर्वतारोही और मोसेसफायर; lat, lon: 36.220, -118.620 # ईडनफ़ायर # एडन; lat, lon: 36.410, -118.740; 1718 एकड़ # कैफ़र pic.twitter.com/B2ZwfmxJiv
- वाइल्डफायर सिग्नल (@wildfiresignal) 27 नवंबर, 2018
डेसकार्टेस लैब्स के कार्यों में एक और परियोजना भी है, जो कि तूफान से असंबंधित है सिवाय इसके कि यह एक अन्य प्राकृतिक आपदा - वाइल्डफायर पर समान प्रौद्योगिकी का लाभ उठाता है। जब नवंबर की शुरुआत में कैलिफोर्निया का कैंप फायर शुरू हुआ, तो @wildfiresignal sprang नाम के एक ट्विटर बॉट ने जान ले ली। डेसकार्टेस, @wildfiresignal से एक ही टीम द्वारा निर्मित, धुआं के धुएं और आग के ऑप्टिकल और अवरक्त छवियों के लिए GOES-16 से हर छह घंटे में डेटा को साबित करता है। इन्फ्रारेड जानकारी आग की गर्मी दिखा सकती है, जो अपने स्थान को कल्पना करने में मदद कर सकती है जैसे कि विस्फोट शुरू हो रहा है, या रात में जब धुआं देखना मुश्किल है। इससे अग्निशामकों या निवासियों को भागने के मार्गों की योजना बनाने में मदद मिल सकती है क्योंकि आग उनके पास आती है, लेकिन, तूफान परियोजना के साथ, अग्निशमन या राष्ट्रीय जंगलों के साथ सहयोग प्रारंभिक है।
डेसकार्ट्स के सीईओ मार्क जॉनसन का कहना है, 'अगर हम वैश्विक स्तर पर अलर्ट सिस्टम लगा सकते हैं, जहां आप जानते हैं कि आग लगने के दस मिनट के भीतर शुरू हो जाती है, तो यह शानदार होगा।' "हम अभी भी शायद उससे दूर हैं, लेकिन यह अंतिम लक्ष्य है।"
* संपादक का नोट, 28 नवंबर, 2018: इस लेख के पिछले संस्करण में गलत तरीके से कहा गया था कि डेसकार्टेस लैब्स का मुख्यालय लॉस एलामोस, न्यू मैक्सिको में है, जब वास्तव में, यह अब सांता फ़े, न्यू मैक्सिको में स्थित है। उस तथ्य को सही करने के लिए कहानी को संपादित किया गया है।
