Rémi Lam याने सॅन फ्रान्सिस्कोच्या सूक्ष्म हवामानांबद्दल ऐकले होते, परंतु तो या वर्षी तेथे राहायला गेल्यानंतर त्याची वैशिष्ट्यपूर्णता त्याला पूर्णपणे जाणवली. "मी राहतो त्या रस्त्यावर धुके असते, तर दोन ब्लॉक खालीच ऊन असते, " तो म्हणतो. शहरातील हवामान अंदाज स्थानानुसार खूपच चुकू शकतात. अगदी प्रगत हवामान अंदाजही शहरातील सूक्ष्म हवामान अचूकपणे सांगू शकत नाहीत. लंडनमधील Google DeepMind येथे संशोधक म्हणून, लामने हवामान आणि त्याचे अंदाज लावण्यावर विस्तृत काम केले आहे. हवामान अंदाज सुधारण्यासाठी मशीन लर्निंगचा वापर करणारा तो एक प्रमुख आहे, आणि या क्षेत्रात लाम आणि त्याचे सहकारी पुढाकार घेत आहेत. ते या प्रयत्नात एकटे नाहीत. Microsoft, Nvidia, Huawei, आणि युकेमधील रीडिंग येथील यूरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट्स (ECMWF) यांसारख्या अनेक गट कृत्रिम बुद्धिमत्ता-सहाय्यित हवामान अंदाज विकसित करण्यासाठी स्पर्धा करत आहेत. या वर्षाच्या बहुतेक काळासाठी, लाम यांच्या नेतृत्वातील GraphCast प्रकल्प अंदाजाच्या अचूकतेमध्ये आघाडीवर आहे (R. Lam et al. Science 382, 1416–1421; 2023). "GraphCast ने अंदाज कौशल्यासाठी एक नवीन मापदंड स्थापित केले, " असे ECMWF च्या AI-आधारित हवामान अंदाजाचे मुख्य कार्यकारी मॅथ्यू चॅनट्री सांगतात. पारंपारिक हवामान अंदाज हे पृथ्वीच्या वातावरणाच्या हवे, उष्णता आणि पाण्याच्या वाफेच्या गतिकीसह अनुकरण करणारी जटिल प्रोग्राम्स आहेत. GraphCast, एक कृत्रिम न्यूरल नेटवर्क जे जागतिक जाळ्याप्रमाणे संरचित आहे, वास्तविक वातावरणीय मोजमापांसह 'प्रशिक्षित' केले गेले आहे, स्पष्ट भौतिक नियमांशिवाय.

आश्चर्यकारक म्हणजे, त्याचे अंदाज पारंपरिक अंदाजांपेक्षा श्रेष्ठ आहेत. "हे अंदाज भौतिकशास्त्राच्या आधारित अंदाजांपेक्षा इतक्या लवकर अधिक कार्यक्षम झाले हे पाहून मी आश्चर्यचकित झालो, " लाम म्हणतो. जरी एआयला प्रशिक्षित करणे संगणकीय दृष्ट्या कठीण आहे, तरी त्याचे अंदाज प्रगत डेस्कटॉप संगणकावर एक मिनिटात चालतात - पारंपारिक सुपरकंप्यूटरच्या अंदाजांसाठी लागणाऱ्या तासांच्या तुलनेत खूपच जलद. 1988 मध्ये पॅरिसच्या उपनगरात जन्मलेले, लामने फ्रान्स आणि अमेरिकेत एरोस्पेस इंजिनीअर म्हणून प्रशिक्षण घेतले. द्रव गतिकीच्या सांख्यिकी मॉडेलिंगमधील त्याचे तज्ज्ञ ज्ञान AI अनुप्रयोगांसाठी मोलाचे ठरले. DeepMind, ज्याचे मिशन वैज्ञानिक आव्हानांचा सामना करण्याचे आहे, त्यासाठी योग्य ठिकाण होते. "मशीन लर्निंगसाठी यापेक्षा उत्तम जागा नाही, " तो म्हणतो. मारिया मोलिना, ज्या मेरीलँड विद्यापीठाच्या कॉलेज पार्क येथे वातावरणीय वैज्ञानिक आहेत आणखी हवामान आणि वातावरणीय मॉडेलिंगसाठी AI वापरतात, त्या Google's त्यांच्या हवामान मॉडेल्सला सार्वजनिकपणे उपलब्ध करण्याच्या प्रयत्नांच्या कौतुक करतात. परंतु भविष्यकाळातील उपलब्धतेबद्दल त्या चिंतेत आहेत. "कधी त्या सद्भावनाचे संपून जाण्याची शक्यता आहे?" ती विचारते. अशा प्रकारे कंपन्यांनी सर्वोत्तम अंदाजांचा मक्तेदारी केली तर समस्या उत्पन्न होऊ शकते, विशेषत: अति हवामान घटनांसाठी. "जीवनरक्षक माहितीचा प्रवेश कधीही सार्वजनिक पैसे भरण्यावर अवलंबून नसावा. "