AI వాతావరణ మోడళ్లు తుఫానుల మార్గాన్ని మెరుగ్గా గుర్తిస్తాయి, కానీ ఇప్పటికీ వాటిని మరీ బలహీనంగా చూపిస్తాయి

డేటాపై శిక్షణ పొందిన వాతావరణ మోడళ్లు ఇప్పుడు సగటున అత్యుత్తమ భౌతికశాస్త్ర ఆధారిత అంచనా వ్యవస్థలతో పోటీ పడుతున్నాయి, అదీ గణన ఖర్చులో చాలా చిన్న భాగంతో. అరుదైన, తీవ్రమైన సంఘటనలకు — మంచి అంచనా అత్యంత ముఖ్యమైన సందర్భాలకు — కూడా ఇది వర్తిస్తుందా అనేది వివాదాస్పదం. గత మూల్యాంకనాలు రికార్డు స్థాయి వాతావరణం, తీవ్రమైన ఉష్ణమండల తుఫానుల విషయంలో తీవ్రమైన వైఫల్యాలను గుర్తించాయి, కానీ అవి ప్రధానంగా ఒకే అంచనాను ఇచ్చే నిర్ధారణాత్మక (deterministic) మోడళ్లను పరీక్షించాయి. సరికొత్త మోడళ్లు సంభావ్యతా (probabilistic) మోడళ్లు: అవి సాధ్యమైన భవిష్యత్తుల సమష్టిని (ensemble) ఉత్పత్తి చేస్తాయి, అందులో ప్రతి ఒక్కటీ ఒక “సభ్యుడు”.

ఉష్ణమండల తుఫానులు కఠినమైన పరీక్ష. అవి అత్యంత నష్టం కలిగించే వాతావరణ విపత్తుల్లో ఒకటి, మరియు ప్రజల తరలింపు కొన్ని రోజుల ముందే వాటి స్థానం, బలం గురించిన అంచనాలపై, అనిశ్చితికి నిజాయితీగల కొలతతో సహా, ఆధారపడి ఉంటుంది. అయినప్పటికీ ప్రపంచ వాతావరణ సిమ్యులేషన్లలోని గ్రిడ్ బిందువుల్లో అవి కేవలం 0.5% మాత్రమే ఆక్రమిస్తాయి.

178 తుఫానులు, మళ్లీ నడిపించి

పారిస్‌లోని INRIA, సోర్బోన్ విశ్వవిద్యాలయం, CNRS, AXA లకు చెందిన నాథన్ షాలుమో (Nathan Chalumeau) మరియు సహచరులు మూడు AI మోడళ్లను పోల్చారు: డిఫ్యూజన్ మోడల్‌తో భవిష్యత్ వాతావరణ నమూనాలను తీసే GenCast; NVIDIA విడుదల చేసిన FourCastNet 3; మరియు విడివిడిగా శిక్షణ పొందిన నాలుగు నెట్‌వర్క్‌ల నుంచి తన సమష్టిని నిర్మించే FGN. వారి కొలమానం IFS-ENS, ECMWF వాడుకలో ఉన్న భౌతికశాస్త్ర ఆధారిత సమష్టి, దీన్ని సంఖ్యాత్మక ప్రాతిపదికగా ఉపయోగించారు.

వారు ప్రతి సముద్ర పరీవాహక ప్రాంతం నుంచి, కనీసం 64 నాట్ల నిరంతర గాలి వేగాన్ని చేరిన 178 తుఫానులను ఎంచుకుని, రెండు సెట్టింగుల్లో పరీక్షించారు: ERA5 పునర్విశ్లేషణపై శిక్షణ పొందిన మోడళ్లతో 2021–2023 నాటి 125 తుఫానులు, మరియు ECMWF అధిక-రిజల్యూషన్ విశ్లేషణలపై సూక్ష్మంగా సర్దుబాటు (fine-tune) చేసిన వాడుక వెర్షన్లతో 2025 నాటి 53 తుఫానులు. ప్రతి అంచనాను 49 లేదా 50 సభ్యులతో 15 రోజుల పాటు నడిపారు, తుఫాను గురించిన మొదటి గాలి నివేదికకు 12 గంటల ముందు ప్రారంభించి — మొత్తం 26,541 సభ్య అంచనాలు. కేవలం 2021–2023 అంచనాలను మళ్లీ నడపడానికే H100 గ్రాఫిక్స్ ప్రాసెసర్ల 6,000 గంటలకు పైగా పట్టింది.

సాధ్యమైన స్థానాల మేఘానికి మార్కులు

అంచనా మార్గాలను సాధారణంగా సమష్టి సగటు స్థానం ద్వారా అంచనా వేస్తారు. 2025 నాటి బువాలోయ్ (Bualoi) టైఫూన్‌తో అది ఎందుకు తప్పుదోవ పట్టించగలదో రచయితలు చూపిస్తారు: IFS-ENS సభ్యులు వేర్వేరు గుంపులుగా విడిపోయారు, వాటిని ఏ సగటూ సూచించలేదు.

బువాలోయ్ టైఫూన్ (2025): నాలుగు అంచనా వ్యవధుల్లో FGN (ఎరుపు), IFS-ENS (నీలం) అంచనా వేసిన స్థానాలు, పరిశీలించిన మార్గం (నల్ల చుక్కలు) చుట్టూ. — Figure 2, Chalumeau et al. (2026), arXiv:2610.22077.

బదులుగా, వారు ప్రతి సమష్టిని ఒక సంభావ్యతా పటంగా మార్చి, అందులో ఎంత భాగం తుఫాను పరిశీలిత స్థానంపై పడుతుందో అడుగుతారు. తక్కువ స్కోరు అంటే మెరుగైన అంచనా.

2021–2023 తుఫానులపై, GenCast 68% తుఫానుల్లో, FourCastNet 3 58% తుఫానుల్లో IFS-ENS ను అధిగమించాయి — స్వల్ప తేడాలు. 2025 తుఫానులపై తేడా పెరిగింది: ఎంచుకున్న 41 తుఫానుల్లో దాదాపు 90% లో FGN, IFS-ENS ను అధిగమించింది, వాటిలో 59% లో మూడు మోడళ్లలో మొదటి స్థానంలో నిలిచింది, GenCast 34%, IFS-ENS 7%. మొత్తం వాతావరణ క్షేత్రాలపై కూడా FGN ఉత్తమ స్కోరు సాధించింది, మరియు రెండు AI మోడళ్లూ ప్రపంచవ్యాప్తంగా కంటే తుఫానుల చుట్టూ IFS-ENS పై ఎక్కువ ఆధిక్యం సాధించాయి. అత్యంత బలమైన గాలి, అత్యల్ప పీడన ప్రాంతాలను కేవలం వాటి ఆకారం, స్థానం ఆధారంగా పోల్చినప్పుడు కూడా క్రమం అదే: FGN, తర్వాత GenCast, తర్వాత IFS-ENS.

మరీ మెత్తని తుఫానులు

మెరుగైన స్థానం అంటే మెరుగైన బలం కాదు. 2025 తుఫానులపై, FGN, GenCast రెండూ స్వల్ప, మధ్యస్థ వ్యవధుల్లో గరిష్ఠ గాలులను తక్కువగా అంచనా వేశాయి, IFS-ENS మాత్రం ప్రమాణ విలువకు 10% లోపే ఉంది. వాడుక డేటాపై సూక్ష్మ సర్దుబాటు ఈ పక్షపాతాన్ని తొలగించలేదు. పాత సెట్టింగులో, GenCast కు మెరుగైన స్థానిక స్కోరు ఉన్నా, గాలి లోటు మాత్రం ఎక్కువగా ఉంది. సమష్టుల క్రమాంకనం (calibration) కూడా సరిగా లేదు, కొన్ని చోట్ల వ్యాప్తి మరీ తక్కువగా ఉంది.

ఇక్కడ ఒక మలుపు ఉంది. AI తుఫానులు బలహీనంగా ఉన్నాయి, కానీ వాటి లోపల గాలి, పీడనాల మధ్య సంబంధం సరిగ్గా కనిపిస్తుంది. ర్యాంకింగ్ ద్వారా ప్రతి మోడల్ తీవ్రత పక్షపాతాన్ని తొలగించాక, గరిష్ఠ గాలి, కనిష్ఠ పీడనాల మధ్య సహసంబంధం FGN కు −0.83, GenCast కు −0.84, అధిక-రిజల్యూషన్ విశ్లేషణకు −0.88, IFS-ENS కు −0.87. ఒక్కోసారి ఒక చరరాశి, ఒక స్థానంపై శిక్షణ పొందిన FGN పై ఈ సంబంధాన్ని ఎన్నడూ విధించలేదు. అయినా అది దానంతట అదే బయటపడింది.

ఎడమ: AI మోడళ్ల తుఫానుల్లో ప్రమాణంతో పోలిస్తే గాలులు బలహీనం, పీడన పతనాలు లోతు తక్కువ. కుడి: ర్యాంక్ చేశాక, ప్రతి మూలమూ దాదాపు ఒకే గాలి–పీడన సంబంధాన్ని అనుసరిస్తుంది. — Figure 6, Chalumeau et al. (2026), arXiv:2610.22077.

హెచ్చరిక వ్యవస్థ కాదు — ఇప్పటికైతే

రచయితలే తమ ఫలితాలకు హద్దులు గీస్తారు. ఈ అధ్యయనం ఎంపిక చేసిన గత తుఫానులను మళ్లీ నడిపిస్తుంది; ఇందులో తుఫానులు లేని కాలాలు లేవు, కాబట్టి మోడళ్లు తప్పుడు హెచ్చరికలు ఇస్తాయో లేదో ఇది నిర్ణయించలేదు. రెండు సెట్టింగుల్లో తుఫానులు, మోడల్ వెర్షన్లు, IFS-ENS నవీకరణలు కూడా వేరు, కాబట్టి సూక్ష్మ సర్దుబాటు ప్రభావాన్ని విడిగా గుర్తించలేం. నైతిక ప్రకటన సూటిగా ఉంది: ఈ ఫలితాలను “ఈ మోడళ్లలో దేనినైనా వాడుకలో ఉన్న హెచ్చరికల కోసం ఉపయోగించడంపై మార్గదర్శకంగా చదవకూడదు.”

వారి ముగింపు చేయాల్సిన పనుల జాబితా. తీవ్రతను సరిదిద్దడం, తీవ్ర గాలులకు ప్రాధాన్యం ఇచ్చే శిక్షణ లక్ష్యాలను రూపొందించడం, అనిశ్చితిని మెరుగుపరచడం — మరియు ప్రతిసారీ, స్థానంలోనూ గాలి–పీడన సంబంధంలోనూ వచ్చిన మెరుగుదలలు నిలిచి ఉన్నాయో లేదో తనిఖీ చేయడం.