AI আবহাওয়া মডেল ঘূর্ণিঝড়ের পথ ভালো ধরে, কিন্তু এখনও সেগুলোকে বেশি দুর্বল করে দেখায়

ডেটা দিয়ে প্রশিক্ষিত আবহাওয়া মডেল এখন গড়ে সেরা পদার্থবিদ্যাভিত্তিক পূর্বাভাস ব্যবস্থার সঙ্গে পাল্লা দেয়, তাও কম্পিউটিং খরচের সামান্য একটি অংশে। কিন্তু বিরল, চরম ঘটনার ক্ষেত্রে — ঠিক যেখানে ভালো পূর্বাভাস সবচেয়ে জরুরি — এটা খাটে কি না, তা নিয়ে বিতর্ক আছে। আগের মূল্যায়নগুলো রেকর্ড-ভাঙা আবহাওয়া ও তীব্র ক্রান্তীয় ঘূর্ণিঝড়ে গুরুতর ব্যর্থতা খুঁজে পেয়েছিল, কিন্তু সেগুলো মূলত পরীক্ষা করেছিল নির্ধারণবাদী (deterministic) মডেল, যা একটিমাত্র পূর্বাভাস দেয়। নতুনতম মডেলগুলো সম্ভাবনাভিত্তিক (probabilistic): তারা সম্ভাব্য ভবিষ্যতের একটি সমষ্টি (ensemble) তৈরি করে, যার প্রতিটিকে বলা হয় একটি “সদস্য”।

ক্রান্তীয় ঘূর্ণিঝড় এক কঠিন পরীক্ষা। এগুলো সবচেয়ে ক্ষতিকর আবহাওয়াজনিত বিপদের অন্যতম, আর মানুষ সরিয়ে নেওয়ার কাজ নির্ভর করে কয়েক দিন আগে এদের অবস্থান ও শক্তির পূর্বাভাসের ওপর, সঙ্গে অনিশ্চয়তার একটি সৎ পরিমাপ। অথচ বৈশ্বিক জলবায়ু সিমুলেশনে এরা গ্রিড বিন্দুর মাত্র প্রায় 0.5% জুড়ে থাকে।

178টি ঝড়, আবার চালানো

নাতান শালুমো (Nathan Chalumeau) ও তাঁর সহকর্মীরা — INRIA, সরবন বিশ্ববিদ্যালয় ও CNRS, এবং প্যারিসের AXA থেকে — তিনটি AI মডেলের তুলনা করেছেন: GenCast, যা একটি ডিফিউশন মডেল দিয়ে ভবিষ্যৎ আবহাওয়ার নমুনা তৈরি করে; FourCastNet 3, যা NVIDIA প্রকাশ করেছে; এবং FGN, যা আলাদাভাবে প্রশিক্ষিত চারটি নেটওয়ার্ক থেকে নিজের সমষ্টি গড়ে। তাঁদের মাপকাঠি ছিল IFS-ENS, ECMWF-এর কার্যকরী পদার্থবিদ্যাভিত্তিক সমষ্টি পূর্বাভাস, যা সাংখ্যিক ভিত্তিরেখা হিসেবে ব্যবহৃত হয়েছে।

তাঁরা 178টি ঘূর্ণিঝড় বেছে নিয়েছেন যেগুলোর টানা বাতাস অন্তত 64 নট ছুঁয়েছিল, সব মহাসাগরীয় অববাহিকা থেকে, দুটি বিন্যাসে: 2021–2023 সালের 125টি ঝড়, ERA5 পুনর্বিশ্লেষণে প্রশিক্ষিত মডেল দিয়ে, এবং 2025 সালের 53টি ঝড়, ECMWF-এর উচ্চ-রেজোলিউশন বিশ্লেষণে সূক্ষ্ম-সমন্বিত (fine-tuned) কার্যকরী সংস্করণ দিয়ে। প্রতিটি পূর্বাভাস 49 বা 50 সদস্য নিয়ে 15 দিন চলেছে, ঝড়ের প্রথম বাতাস-প্রতিবেদনের 12 ঘণ্টা আগে থেকে শুরু করে — সব মিলিয়ে 26,541টি সদস্য-পূর্বাভাস। শুধু 2021–2023 সালের পূর্বাভাসগুলো আবার চালাতেই H100 গ্রাফিক্স প্রসেসরের 6,000 ঘণ্টারও বেশি লেগেছে।

সম্ভাব্য অবস্থানের একটি মেঘকে নম্বর দেওয়া

পূর্বাভাসিত পথ সাধারণত সমষ্টির গড় অবস্থান দিয়ে বিচার করা হয়। লেখকেরা 2025 সালের টাইফুন বুয়ালোই (Bualoi) দিয়ে দেখান কেন তা বিভ্রান্তিকর হতে পারে: IFS-ENS-এর সদস্যরা আলাদা আলাদা গুচ্ছে ভাগ হয়ে যায়, যা কোনো গড় দিয়ে বোঝানো যায় না।

টাইফুন বুয়ালোই (2025): চারটি অগ্রিম সময়ে FGN (লাল) ও IFS-ENS (নীল)-এর পূর্বাভাসিত অবস্থান, পর্যবেক্ষিত পথের (কালো বিন্দু) চারপাশে। — চিত্র 2, Chalumeau et al. (2026), arXiv:2610.22077.

তার বদলে তাঁরা প্রতিটি সমষ্টিকে একটি সম্ভাবনার মানচিত্রে রূপান্তর করেন এবং দেখেন তার কতটা ঝড়ের পর্যবেক্ষিত অবস্থানে পড়ে। কম নম্বর মানে ভালো পূর্বাভাস।

2021–2023 সালের ঝড়গুলোতে GenCast 68% ঘূর্ণিঝড়ে IFS-ENS-কে হারিয়েছে, আর FourCastNet 3 58%-এ — সামান্য ব্যবধান। 2025 সালের ঝড়গুলোতে ফারাক বেড়েছে: বিবেচিত 41টি ঝড়ের প্রায় 90%-এ FGN IFS-ENS-কে হারিয়েছে, এবং তার 59%-এ তিন মডেলের মধ্যে প্রথম হয়েছে, যেখানে GenCast 34% ও IFS-ENS 7%। পুরো আবহাওয়া-ক্ষেত্রেও FGN-এর নম্বর সবচেয়ে ভালো ছিল, এবং দুই AI মডেলই সমগ্র পৃথিবীর তুলনায় ঘূর্ণিঝড়ের আশপাশে IFS-ENS-এর ওপর বেশি এগিয়ে ছিল। সবচেয়ে প্রবল বাতাস ও সবচেয়ে নিম্নচাপের অঞ্চলগুলোকে শুধু তাদের আকার ও অবস্থানে তুলনা করলেও ক্রম একই থেকেছে: FGN, তারপর GenCast, তারপর IFS-ENS।

বড্ড নরম ঝড়

ভালো অবস্থান মানে ভালো শক্তি নয়। 2025 সালের ঝড়গুলোতে FGN ও GenCast দুজনেই স্বল্প ও মাঝারি মেয়াদে সর্বোচ্চ বাতাসকে কম করে দেখিয়েছে, যেখানে IFS-ENS রেফারেন্সের 10%-এর মধ্যে থেকেছে। কার্যকরী ডেটায় সূক্ষ্ম-সমন্বয় এই পক্ষপাত দূর করেনি। আগের বিন্যাসে GenCast-এর স্থানীয় নম্বর ভালো ছিল, তবু তার বাতাসের ঘাটতি ছিল বেশি। সমষ্টিগুলোর ক্রমাঙ্কনও (calibration) দুর্বল ছিল, কোথাও কোথাও বিস্তার খুব কম।

একটা মোড় আছে। AI-এর ঝড়গুলো দুর্বল, কিন্তু তাদের ভেতরে বাতাস ও চাপের সম্পর্ক ঠিক দেখায়। র‍্যাঙ্কিংয়ের মাধ্যমে প্রতিটি মডেলের শক্তি-পক্ষপাত সরিয়ে ফেলার পর, সর্বোচ্চ বাতাস ও সর্বনিম্ন চাপের সহসম্পর্ক FGN-এর জন্য −0.83 এবং GenCast-এর জন্য −0.84, যেখানে উচ্চ-রেজোলিউশন বিশ্লেষণের জন্য −0.88 এবং IFS-ENS-এর জন্য −0.87। FGN একবারে একটি চলরাশি ও একটি স্থানের জন্য প্রশিক্ষিত, তাই এই সম্পর্ক তার ওপর কখনো চাপানো হয়নি। তবু সেটা আপনিই ফুটে উঠেছে।

বাঁয়ে: AI মডেলগুলোর ঝড়ে রেফারেন্সের চেয়ে বাতাস দুর্বল এবং নিম্নচাপ অগভীর। ডানে: র‍্যাঙ্ক করার পর প্রতিটি উৎস প্রায় একই বাতাস–চাপ সম্পর্ক মেনে চলে। — চিত্র 6, Chalumeau et al. (2026), arXiv:2610.22077.

এখনও সতর্কবার্তা ব্যবস্থা নয়

লেখকেরা নিজেদের ফলাফলের সীমা টেনে দেন। গবেষণাটি বাছাই করা অতীতের ঝড় আবার চালায়; ঘূর্ণিঝড়হীন সময়কাল এতে নেই, তাই মডেলগুলো মিথ্যা সতর্কবার্তা দেয় কি না তা বিচার করা যায় না। দুই বিন্যাস ঝড়, মডেলের সংস্করণ, এমনকি IFS-ENS-এর হালনাগাদেও আলাদা, তাই সূক্ষ্ম-সমন্বয়ের প্রভাব আলাদা করা যায় না। আর নৈতিকতা-বিবৃতি স্পষ্ট: এই ফলাফলগুলো “এই মডেলগুলোর কোনোটিকে কার্যকরী সতর্কবার্তায় ব্যবহারের নির্দেশিকা হিসেবে পড়া উচিত নয়।”

তাঁদের উপসংহার একটি কাজের তালিকা। শক্তি সংশোধন করা, এমন প্রশিক্ষণ-লক্ষ্য তৈরি করা যা চরম বাতাসকে গুরুত্ব দেয়, অনিশ্চয়তা উন্নত করা — এবং প্রতিবার যাচাই করা যে অবস্থান ও বাতাস–চাপ সম্পর্কে পাওয়া সাফল্য টিকে থাকে।