AI मौसम मॉडल चक्रवातों का रास्ता बेहतर पकड़ते हैं, पर उन्हें अब भी बहुत कमज़ोर बना देते हैं

डेटा पर प्रशिक्षित मौसम मॉडल अब औसतन सबसे अच्छी भौतिकी-आधारित पूर्वानुमान प्रणालियों से मुक़ाबला करते हैं, और वह भी कंप्यूटिंग लागत के एक छोटे से हिस्से में। लेकिन क्या यह बात दुर्लभ, चरम घटनाओं पर भी लागू होती है — जहाँ अच्छा पूर्वानुमान सबसे ज़्यादा मायने रखता है — इस पर विवाद है। पहले के मूल्यांकनों में रिकॉर्ड तोड़ मौसम और तीव्र उष्णकटिबंधीय चक्रवातों पर गंभीर विफलताएँ मिली थीं, लेकिन वे ज़्यादातर नियतात्मक (deterministic) मॉडलों की जाँच थीं, जो एक ही पूर्वानुमान देते हैं। सबसे नए मॉडल प्रायिकतात्मक (probabilistic) हैं: वे संभावित भविष्यों का एक समूह (ensemble) बनाते हैं, जिसमें हर एक को एक “सदस्य” कहा जाता है।

उष्णकटिबंधीय चक्रवात एक कड़ी परीक्षा हैं। वे सबसे विनाशकारी मौसमी ख़तरों में से हैं, और लोगों को निकालने का काम कई दिन पहले उनकी स्थिति और तीव्रता के पूर्वानुमानों पर, अनिश्चितता के ईमानदार माप के साथ, निर्भर करता है। फिर भी वैश्विक जलवायु सिमुलेशनों में वे ग्रिड बिंदुओं के केवल लगभग 0.5% हिस्से में होते हैं।

178 तूफ़ान, दोबारा

नेथन शालुमो (Nathan Chalumeau) और उनके सहयोगियों ने — जो INRIA, सोरबोन विश्वविद्यालय और CNRS, तथा पेरिस में AXA से हैं — तीन AI मॉडलों की तुलना की: GenCast, जो एक डिफ़्यूज़न मॉडल से भविष्य के मौसम के नमूने बनाता है; FourCastNet 3, जिसे NVIDIA ने जारी किया है; और FGN, जो अलग-अलग प्रशिक्षित चार नेटवर्कों से अपना समूह बनाता है। उनकी कसौटी थी IFS-ENS, ECMWF का परिचालन भौतिकी-आधारित समूह पूर्वानुमान, जिसे संख्यात्मक आधार-रेखा के रूप में इस्तेमाल किया गया।

उन्होंने 178 चक्रवात चुने जिनकी निरंतर हवा कम से कम 64 नॉट तक पहुँची थी, सभी महासागरीय बेसिनों से, दो व्यवस्थाओं में: 2021–2023 के 125 तूफ़ान, ERA5 पुनर्विश्लेषण पर प्रशिक्षित मॉडलों के साथ, और 2025 के 53 तूफ़ान, ECMWF के उच्च-विभेदन विश्लेषणों पर सूक्ष्म-समायोजित (fine-tuned) परिचालन संस्करणों के साथ। हर पूर्वानुमान 49 या 50 सदस्यों के साथ 15 दिन तक चला, तूफ़ान की पहली हवा रिपोर्ट से 12 घंटे पहले शुरू होकर — कुल 26,541 सदस्य पूर्वानुमान। केवल 2021–2023 के पूर्वानुमान दोबारा चलाने में H100 ग्राफ़िक्स प्रोसेसरों के 6,000 से अधिक घंटे लगे।

संभावित स्थितियों के एक बादल को अंक देना

पूर्वानुमानित पथों को आम तौर पर समूह की औसत स्थिति से आँका जाता है। लेखक 2025 के टाइफ़ून बुआलोई (Bualoi) के उदाहरण से दिखाते हैं कि यह भ्रामक क्यों हो सकता है: IFS-ENS के सदस्य अलग-अलग गुच्छों में बँट जाते हैं जिन्हें कोई औसत नहीं दर्शा सकता।

टाइफ़ून बुआलोई (2025): चार अग्रिम समयों पर FGN (लाल) और IFS-ENS (नीला) की पूर्वानुमानित स्थितियाँ, प्रेक्षित पथ (काले बिंदु) के आसपास। — चित्र 2, Chalumeau et al. (2026), arXiv:2610.22077.

इसके बजाय, वे हर समूह को प्रायिकता के नक़्शे में बदलते हैं और पूछते हैं कि उसका कितना हिस्सा तूफ़ान की प्रेक्षित स्थिति पर पड़ता है। कम अंक का मतलब बेहतर पूर्वानुमान है।

2021–2023 के तूफ़ानों पर GenCast ने 68% चक्रवातों में IFS-ENS को पछाड़ा और FourCastNet 3 ने 58% में — मामूली बढ़त। 2025 के तूफ़ानों पर अंतर बढ़ गया: चुने गए 41 तूफ़ानों में से लगभग 90% पर FGN ने IFS-ENS को पछाड़ा, और उनमें से 59% पर वह तीनों मॉडलों में पहले स्थान पर रहा, जबकि GenCast 34% पर और IFS-ENS 7% पर। पूरे मौसम-क्षेत्रों पर भी FGN के अंक सबसे अच्छे रहे, और दोनों AI मॉडलों की IFS-ENS पर बढ़त पूरे विश्व की तुलना में चक्रवातों के आसपास ज़्यादा रही। जब सबसे तेज़ हवा और सबसे कम दाब वाले क्षेत्रों की तुलना केवल उनके आकार और स्थिति पर की गई, तब भी क्रम वही रहा: FGN, फिर GenCast, फिर IFS-ENS।

बहुत नरम तूफ़ान

बेहतर जगह बताने का मतलब बेहतर तीव्रता बताना नहीं था। 2025 के तूफ़ानों पर FGN और GenCast दोनों ने लघु और मध्यम अवधि में अधिकतम हवाओं को कम आँका, जबकि IFS-ENS संदर्भ से 10% के भीतर रहा। परिचालन डेटा पर सूक्ष्म-समायोजन ने यह पूर्वाग्रह दूर नहीं किया था। पहले वाली व्यवस्था में GenCast के स्थानीय अंक बेहतर थे, फिर भी उसकी हवा की कमी ज़्यादा थी। समूह ठीक से अंशांकित (calibrated) भी नहीं थे, कुछ जगहों पर उनका फैलाव बहुत कम था।

एक मोड़ है। AI के तूफ़ान कमज़ोर हैं, लेकिन उनके भीतर हवा और दाब का संबंध सही दिखता है। जब हर मॉडल का तीव्रता-पूर्वाग्रह रैंकिंग के ज़रिए हटा दिया जाता है, तो अधिकतम हवा और न्यूनतम दाब के बीच सहसंबंध FGN के लिए −0.83 और GenCast के लिए −0.84 है, जबकि उच्च-विभेदन विश्लेषण के लिए −0.88 और IFS-ENS के लिए −0.87। FGN को एक बार में एक चर और एक स्थान पर प्रशिक्षित किया गया था, इसलिए यह संबंध उस पर कभी थोपा नहीं गया। फिर भी यह उभर आया।

बाएँ: AI मॉडलों के तूफ़ानों में संदर्भ की तुलना में हवाएँ कमज़ोर और दाब के निम्न कम गहरे हैं। दाएँ: रैंक करने के बाद हर स्रोत लगभग एक ही हवा–दाब संबंध का पालन करता है। — चित्र 6, Chalumeau et al. (2026), arXiv:2610.22077.

अभी चेतावनी प्रणाली नहीं

लेखक अपने ही नतीजों की सीमा खींचते हैं। यह अध्ययन चुने हुए पुराने तूफ़ानों को दोबारा चलाता है; इसमें बिना चक्रवात वाली अवधियाँ शामिल नहीं हैं, इसलिए यह नहीं आँक सकता कि मॉडल झूठी चेतावनियाँ देते हैं या नहीं। दोनों व्यवस्थाएँ तूफ़ानों, मॉडल संस्करणों और यहाँ तक कि IFS-ENS के उन्नयनों में भी अलग हैं, इसलिए सूक्ष्म-समायोजन का प्रभाव अलग से नहीं निकाला जा सकता। और नैतिकता वक्तव्य साफ़ कहता है: इन नतीजों को “इनमें से किसी भी मॉडल को परिचालन चेतावनियों के लिए इस्तेमाल करने के मार्गदर्शन के रूप में नहीं पढ़ा जाना चाहिए।”

उनका निष्कर्ष कामों की एक सूची है। तीव्रता को सुधारें, ऐसे प्रशिक्षण लक्ष्य बनाएँ जो चरम हवाओं को महत्व दें, अनिश्चितता को बेहतर करें — और हर बार जाँचें कि स्थिति और हवा–दाब संबंध में मिले लाभ बने रहते हैं।