هند مدل های آب و هوای هوش مصنوعی برای پیش بینی آب و هوای شدید می سازد.

اداره هواشناسی هند قصد دارد مدل‌های هوش مصنوعی را برای کمک به بهبود پیش‌بینی، به‌ویژه برای شرایط آب و هوایی شدید مانند سیل و خشکسالی، پیاده‌سازی کند.

به گفته یک مقام ارشد آب و هوای محلی، دولت هند در حال آزمایش هوش مصنوعی (AI) برای ایجاد مدل‌های آب و هوایی برای پیش‌بینی شرایط جوی شدید است. در گزارشی از رویترز، K.S. هوسالیکار، رئیس بخش تحقیقات و خدمات آب و هوایی در اداره هواشناسی هند (IMD)، گفت که انتظار دارد مدل‌های آب و هوایی مبتنی بر هوش مصنوعی و توصیه‌ها به بهبود پیش‌بینی کمک کند، به‌ویژه برای شرایط آب و هوایی شدید مانند سیل و خشکسالی.

در حال حاضر، IMD از روش‌های پیش‌بینی مدل‌های ریاضی و ابررایانه‌ها استفاده می‌کند. این شرکت گفت که ادغام هوش مصنوعی به طور بالقوه می تواند داده های آب و هوایی با کیفیت بالاتر و ارزان تر تولید کند.

هوسالیکار گفت که هوش مصنوعی در حال حاضر برای کمک به ایجاد هشدارهای عمومی برای آب و هوای شدید مانند امواج گرما و شیوع بیماری‌هایی مانند مالاریا وجود دارد. او همچنین گفت که IMD قصد دارد تعداد رصدخانه های آب و هوا را تا سطح یک روستا با هدف داده های پیش بینی با وضوح بالاتر افزایش دهد.

دولت در حال حاضر مرکزی راه اندازی کرده است تا ایده گنجاندن هوش مصنوعی را در پیش بینی آب و هوای سنتی و برنامه هایی برای کارگاه ها و کنفرانس ها آزمایش کند.

پیش بینی دقیق آب و هوا در کشوری با الگوهای آب و هوایی متنوع مانند هند بسیار مهم است، زیرا 1.4 میلیارد ساکن آن به طور فزاینده ای تحت تأثیر تشدید خشکسالی، امواج گرما و سیل شدید قرار خواهند گرفت.

هند همچنین به عنوان دومین تولیدکننده بزرگ برنج، گندم و شکر نقش مهمی در تولیدات کشاورزی جهان ایفا می کند. در آخرین کنفرانس Wired Impact در لندن، سیمز ویترسپون، رهبر اقدام اقلیمی DeepMind گوگل، استراتژی جدیدی را پیشنهاد کرد که او آن را چارچوب «درک، بهینه‌سازی، تسریع» نامید که مراحل استفاده از هوش مصنوعی برای مقابله با تغییرات آب و هوایی را مشخص می‌کند.

پیش از این، صحنه پیش بینی آب و هوا از فناوری های نوظهور مانند بلاک چین و رمزنگاری برای بهینه سازی جمع آوری داده های آب و هوا استفاده می کرد. استارتاپ WeatherXM در حال حاضر صدها ایستگاه هواشناسی غیرمتمرکز را در سرتاسر جهان مستقر کرده است تا داده‌های محلی را جمع‌آوری کند و به نوبه خود، توکن‌های کاربردی را در اختیار صاحبان ایستگاه قرار دهد.