செயற்கை நுண்ணறிவு வானிலை ஆய்வில் அதன் முழுத் திறனையும் எப்போதும் வெளிப்படுத்துவதில்லை என்று ஜெனீவா பல்கலைக்கழகத்தின் ஒரு புதிய ஆய்வு, கண்டறிந்துள்ளது.
வானிலை தீவிரமடைந்து, மக்கள் மற்றும் உள்கட்டமைப்பின் பாதுகாப்பிற்கு அச்சுறுத்தல் ஏற்படும்போதுதான், இயந்திரக் கற்றல் அடிப்படையிலான மாதிரிகள் அவற்றின் பலவீனத்தை வெளிப்படுத்துகின்றன.
ஜெனீவா பல்கலைக்கழகத்தின் தலைமையில் நடத்தப்பட்டு, அமெரிக்க இதழான ‘சயின்ஸ் அட்வான்சஸ்’-இல் வெளியிடப்பட்ட ஒரு புதிய ஆய்வு இதை வெளிப்படுத்துகிறது.
ஆராய்ச்சியாளர்கள், வானிலை முன்னறிவிப்புக்கான மிகவும் மேம்பட்ட மூன்று செயற்கை நுண்ணறிவு அமைப்புகளான கிராஃப்காஸ்ட் (GraphCast), பாங்கு-வெதர் (Pangu-Weather) மற்றும் ஃபூக்ஸி (Fuxi) ஆகியவற்றை, ஐரோப்பிய மத்திய கால வானிலை முன்னறிவிப்பு மையத்தின் (ECMWF) HRES இயற்பியல் குறிப்பு மாதிரியுடன் ஒப்பிட்டனர்.
இதன் முடிவு தெளிவாக உள்ளது: சாதனை அளவிலான நிகழ்வுகளை எதிர்கொள்ளும்போது, செயற்கை நுண்ணறிவு திட்டமிட்ட முறையில் தவறாகவே கணிக்கிறது.
இந்த ஆய்வின்படி, கடுமையான குளிர் அலைகள் பொதுவாக உண்மையில் இருப்பதை விட குறைவான தீவிரத்துடன் கணிக்கப்படுகின்றன.
இதற்கு மாறாக, வெப்ப உச்சநிலைகள் உண்மையில் இருப்பதை விட குறைவான தீவிர மதிப்புகளைக் கணிப்பதன் மூலம் குறைத்து மதிப்பிடப்படுகின்றன.
கணிக்கப்பட்ட வெப்பநிலைகள் உண்மையான வெப்பநிலையை விட குறைவாக உள்ளன. பலத்த காற்று நிகழ்வுகளுக்கும் குறிப்பிடத்தக்க விலகல்கள் உள்ளன.
செயற்கை நுண்ணறிவு மாதிரிகள் தீவிர நிகழ்வுகளின் கடுமையை மிகவும் பலவீனமாக கணிப்பது மட்டுமல்லாமல், உண்மையில் நடப்பவற்றுடன் ஒப்பிடும்போது அவற்றை மிகவும் அரிதாகவே கணிக்கின்றன.
“சமூகத்தில் பெரும் தாக்கத்தை ஏற்படுத்தும் வானிலை நிகழ்வுகளைக் கணிப்பதில் செயற்கை நுண்ணறிவைப் பயன்படுத்துவதற்கான ஒரு முக்கிய சவாலை இந்த முடிவுகள் எடுத்துக்காட்டுகின்றன,” என்று அந்த ஆய்வின் ஆசிரியர்கள் குறிப்பிட்டுள்ளனர்.
மூலம்- swissinfo
