બેઇજિંગ: ચાઇનીઝ સંશોધનકારોએ વૈશ્વિક જર્નલ “નેચર ક્લાઇમેટ ચેન્જ” ના જુલાઈના અંકમાં પ્રકાશિત હવામાન પરિવર્તનનો સામનો કરવા માટે કૃત્રિમ બુદ્ધિ સાથે 30,000 થી વધુ સંભવિત પર્યાવરણીય લેન્ડસ્કેપ્સ વિકસાવી છે.
આંતરરાષ્ટ્રીય મીડિયા અહેવાલો અનુસાર, આ સંશોધન ગ્લોબલ વ ming ર્મિંગ, ગ્રીનહાઉસ ગેસ ઉત્સર્જન અને પર્યાવરણીય નીતિઓથી સંબંધિત વધુ અસરકારક માર્ગોની આગાહી કરવા માટે ડીપ એનાલિટિક્સ મોડેલ (ડીપ લર્નિંગ: ડીએલ) સાથે ઇન્ટિગ્રેટેડ એન્વાયર્નમેન્ટલ રિવ્યુ મોડેલ (ઇન્ટિગ્રેટેડ મૂલ્યાંકન મોડેલ) સાથે જોડાવાનો પ્રયાસ કર્યો છે.
સંશોધન જણાવે છે કે આઇએએમ આધારિત મોડેલો ઘણીવાર “મોડેલિંગમાં મોડેલિંગ” અને “વધુ ગણતરીના ખર્ચ” જેવી સમસ્યાઓનો સામનો કરે છે, નિષ્ણાતોએ આ મુશ્કેલીઓને દૂર કરવા માટે ડીએલ માળખું વિકસાવી હતી જે નોંધપાત્ર ચલોના આધારે કૃત્રિમ લેન્ડસ્કેપ્સ ઉત્પન્ન કરે છે.
સંશોધન મુજબ, ડીપ લર્નિંગ એ એક શક્તિશાળી સ્રોત છે જે છુપાયેલા સંબંધો અને બહુપક્ષીય ડેટા સાથે જટિલ ક્રિયાપ્રતિક્રિયા લાવી શકે છે, જ્યાં ડેટાની તીવ્ર ઉણપ હોય ત્યાં તે શક્ય બનાવે છે.
સંશોધનકારોએ એ પણ સ્વીકાર્યું છે કે વર્તમાન ડીપ લર્નિંગ ફ્રેમવર્ક ફક્ત કેટલાક મોટા ચલોને પુન ing પ્રાપ્ત કરવા માટે સક્ષમ છે, જ્યારે સંપૂર્ણ આઇએએમ મોડેલને સેંકડો ચલોની જરૂર છે.
સંશોધન એ પણ સ્પષ્ટ કર્યું કે ડીએલ મોડેલને વર્તમાન એઆર 6 એએસએનએવીયો ડેટાબેસમાં તાલીમ આપવામાં આવી હોવાથી, તેઓ જૂના ડેટામાં સમાવિષ્ટ પૂર્વગ્રહોને પુનરાવર્તિત કરી શકે છે.
તેમ છતાં, આ deep ંડા શિક્ષણ મોડેલો હાલમાં પરંપરાગત મોડેલો માટે સંપૂર્ણ વિકલ્પ નથી, નિષ્ણાતો માને છે કે આ મોડેલો વૈશ્વિક સ્તરે ઝડપી, વૈવિધ્યસભર અને પ્રાદેશિક વિશિષ્ટ પર્યાવરણીય દ્રશ્યો પ્રદાન કરીને નીતિ નિર્માતાઓ અને વિકાસશીલ દેશોને સહાય પ્રદાન કરી શકે છે.
