ریمی لام نے سان فرانسسکو کے مائیکروکلیمیٹس کے بارے میں سن رکھا تھا، لیکن اس کی خاصیت کو وہ تب ہی سمجھا جب انہوں نے اس سال وہاں منتقل کیا۔ "جو گلی میں رہتا ہوں وہ دھندلی ہو سکتی ہے، جبکہ دو بلاکس دور دھوپ ہو سکتی ہے،" وہ کہتے ہیں۔ شہر کے مختلف مقامات کے لحاظ سے موسم کی پیشنگوئیاں بالکل الگ ہو سکتی ہیں۔ حتیٰ کہ جدید موسم کی پیشنگوئیاں بھی شہر بھر کے مائیکروکلیمیٹس کی بالکل درست پیشنگوئی نہیں کر سکتیں۔ گوگل ڈیپ مائنڈ لندن میں محقق کی حیثیت سے، لام نے موسم اور پیشنگوئی پر وسیع تحقیق کی ہے۔ وہ مشین لرننگ کو موسم کی پیشنگوئی بہتر بنانے کے لئے استعمال کرنے میں نمائندہ ہیں، یہ شعبہ حالیہ برسوں میں تیزی سے ترقی کر چکا ہے، جس میں لام اور ان کے ساتھی پیش پیش رہے ہیں۔ وہ اس کوشش میں اکیلے نہیں ہیں۔ کئی گروپ، جن میں مائیکروسافٹ، اینویڈیا، ہووائی، اور یورپی سینٹر برائے میڈیم رینج ویدر فورکاسٹس (ECMWF) ریڈنگ، برطانیہ میں شامل ہیں، مختصر عرصے کے لئے مصنوعی ذہانت کی مدد سے موسم کی پیشنگوئی تیار کرنے کی دوڑ میں ہیں۔ اس سال کے بیشتر حصہ کے لئے، گراف کاسٹ، لام کی قیادت میں ایک منصوبہ، صحیحی میں آگے رہا ہے (R. Lam et al.

Science 382, 1416–1421; 2023)۔ "گراف کاسٹ نے پیشنگوئی کی مہارت کا معیار بلند کر دیا ہے،" میتھیو چینٹری، ECMWF میں مصنوعی ذہانت کی بنیاد پر موسم کی پیشنگوئی کے لئے ذمہ دار، کہتے ہیں۔ روایتی موسم کی پیشنگوئیاں پیچیدہ پروگرام ہیں جو زمین کے وراثت کے ارتقاء کی ہوا، حرارت، اور پانی کی بخارات کی حرکت کی بنیاد پر نقلی کرتے ہیں۔ گراف کاسٹ، ایک مصنوعی نیورل نیٹ ورک جو عالمی سطح پر گرڈ کی طرح بنا ہوا تھا، حقیقی ماحولیاتی پیمائشوں کے ساتھ 'تربیت' ہوا، بغیر کسی مخصوص فزیکل قوانین کے۔ قابل ذکر طور پر، اس کی پیشنگوئیاں روایتی پیشنگوئیوں سے بہتر ثابت ہوئیں۔ "مجھے حیرانی ہوئی کہ اس نے فزکس کی بنیاد پر پیشنگوئیوں کو اتنی جلدی پچھاڑ دیا،" لام کہتے ہیں۔ اگرچہ اے آئی کو تربیت دینا کمپیوٹیشنل طور پر مشکل ہے، اس کی پیشنگوئیاں ایڈوانسڈ ڈیسکٹاپ کمپیوٹر پر ایک منٹ سے بھی کم وقت میں چلتی ہیں—جو کہ روایتی سپرکمپیوٹر پیشنگوئیوں کے لئے گھنٹوں کی ضرورت ہوتی ہے، کے مقابلے میں زیادہ تیز ہے۔ ١٩٨٨ میں پیرس کے مضافات میں پیدا ہوئے، لام نے فرانس اور امریکہ میں ایرو اسپیس انجینئر کی حیثیت سے تربیت حاصل کی۔ سیالی میکینکس کی اعداد و شمار کی ماڈلنگ میں ان کی مہارت اے آئی کی درخواستوں کے لئے قیمتی بن گئی۔ ڈیپ مائنڈ، جس کا مقصد سائنسی چیلنجز کا حل نکالنا ہے، ان کے لئے ایک بہترین جگہ تھی۔ "مشین لرننگ کے لئے اس سے بہتر کوئی مقام نہیں ہے،" وہ کہتے ہیں۔ یونیورسٹی آف میری لینڈ کالج پارک میں ماحولیاتی سائنسدان ماریا مولینا، جو موسم اور موسمیاتی ماڈلنگ کے لئے اے آئی کا استعمال کرتی ہیں، گوگل کی کوششوں کو سراہتی ہیں کہ اس نے اب تک اپنے موسم کی ماڈل کو عوامی طور پر دستیاب کیا ہے۔ وہ اس بات پر تشویش ظاہر کرتی ہیں کہ مستقبل میں رسائی کب ختم ہو سکتی ہے، بیان کرتے ہوئے، "یہ حسن سلوک کب ختم ہو سکتا ہے؟" یہ تشویش کا باعث ہو سکتا ہے اگر کمپنیاں بہترین پیشنگوئیوں کی اجارہ داری قائم کر لیں، خاص طور پر شدید موسم کے واقعات کے لئے۔ "زندگی بچانے والی معلومات تک رسائی کبھی بھی عوامی ادائیگی پر منحصر نہیں ہونی چاہیے۔"