लघु क्षितिज पर मौसम का पूर्वानुमान उल्लेखनीय रूप से भरोसेमंद हो गया है: आज के मॉडल लगभग दो सप्ताह तक अत्यधिक सटीक हैं, और लंबी दूरी के जलवायु अनुमानों में भी लगातार सुधार हो रहा है। हालाँकि, उन दो समय के पैमानों के बीच एक जिद्दी अंधा स्थान है। दो से छह सप्ताह की अवधि में पूर्वानुमान - जिसे उप-मौसमी पूर्वानुमान के रूप में जाना जाता है - अविश्वसनीय रहता है, भले ही वह सटीक सीमा होती है जो यह तय करने के लिए मायने रखती है कि फसल कब बोनी है, पानी और ऊर्जा कैसे आवंटित करनी है, और जंगल की आग की तैयारी कैसे करनी है।

माइक्रोसॉफ्ट रिसर्च और बाहरी सहयोगियों के एक नेटवर्क का कहना है कि उन्होंने उस अंतर को कम करने का एक तरीका ढूंढ लिया है, किसी अन्य पूर्वानुमान मॉडल का निर्माण करके नहीं, बल्कि पहले से मौजूद मॉडलों की पूर्वानुमानित गलतियों को ठीक करने के लिए सॉफ्टवेयर सिखाकर। प्रोबेबिलिस्टिक बायस करेक्शन (पीबीसी) नामक दृष्टिकोण, वैज्ञानिक पत्रिका नेचर में प्रकाशित एक पेपर में विस्तृत है और इस सप्ताह प्रकाशित माइक्रोसॉफ्ट ब्लॉग पोस्ट में वर्णित है। यह [नवीनतम एआई विकास] (https://aibuzzwire.news) के बीच कवर किए गए एप्लाइड एआई अनुसंधान की लहर में अधिक शांत व्यावहारिक प्रविष्टियों में से एक है, क्योंकि यह उन सिस्टम को अपग्रेड करता है जिन पर मौसम विज्ञानी पहले से ही भरोसा करते हैं, बजाय उन्हें कुछ नया करने के लिए कहने के।

दो से छह सप्ताह की विंडो पूर्वानुमान को विफल क्यों करती है

भौतिकी-आधारित मॉडल वैज्ञानिक समीकरणों का उपयोग करके वायुमंडल और महासागरों का अनुकरण करते हैं, जबकि नए एआई मॉडल प्रेक्षित मौसम डेटा के विशाल संग्रह पर प्रशिक्षण देते हैं। माइक्रोसॉफ्ट के अनुसार, दोनों परिवारों ने लगभग दस दिनों तक अच्छा प्रदर्शन किया। उस बिंदु से परे, छोटी प्रारंभिक त्रुटियां मिश्रित होती हैं और वायुमंडल, महासागरों और भूमि की सतह के बीच जटिल बातचीत दोनों दृष्टिकोणों को प्रभावित करती है, यही कारण है कि दो से छह सप्ताह के दृष्टिकोण बाकी पूर्वानुमानों से काफी पीछे रह गए हैं।

प्रतिस्पर्धी मॉडलों के भीड़ भरे क्षेत्र में प्रवेश करने के बजाय, माइक्रोसॉफ्ट के नेतृत्व वाली टीम ने एक अलग लक्ष्य पर ध्यान केंद्रित किया: व्यवस्थित, दोहराने योग्य त्रुटियां जो मॉडल इस श्रेणी में करते हैं। कंपनी ने अपने ब्लॉग पोस्ट में बताया, "हमारी नई पाइपलाइन (पीबीसी) आपके पसंदीदा मॉडल को इनपुट के रूप में लेती है और सीखती है कि यह किस तरह से त्रुटियां करता है। फिर यह उन त्रुटियों को ठीक करता है, जिससे उप-मौसमी रेंज के लिए बेहतर आउटपुट पूर्वानुमान मिलता है।"

मौजूदा मॉडलों के शीर्ष पर एक हल्की परत

तकनीकी रूप से, पीबीसी एक हल्की मशीन लर्निंग प्रणाली है जो किसी भी मॉडल के ऐतिहासिक पूर्वानुमानों के संग्रह का अध्ययन करती है ताकि यह जान सके कि यह कहां और कैसे व्यवस्थित रूप से पक्षपाती है। एक बार जब वे पैटर्न सीख लिए जाते हैं, तो सिस्टम क्षतिपूर्ति के लिए मॉडल के संभाव्य आउटपुट को समायोजित करता है। नेचर पेपर में वर्णित मूल्यांकन में, माइक्रोसॉफ्ट की रिपोर्ट है कि पीबीसी ने यूरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट्स (ईसीएमडब्ल्यूएफ) द्वारा संचालित दुनिया के अग्रणी परिचालन रूप से कमजोर उप-मौसमी मॉडल के प्रदर्शन में सुधार किया है।

नतीजे केवल पूर्वव्यापी परीक्षणों में ही नहीं, बल्कि लाइव प्रतियोगिता में भी सामने आए। ECMWF ने अगस्त 2025 में AI वेदर क्वेस्ट लॉन्च किया, जो एक वास्तविक समय की प्रतियोगिता है जिसे संभाव्य उप-मौसमी पूर्वानुमान को आगे बढ़ाने के लिए डिज़ाइन किया गया है। Microsoft शोधकर्ताओं और बाहरी सहयोगियों से बनी MicroEnsemble नामक टीम ने MicroDuet नामक प्रविष्टि के साथ शीर्ष सम्मान प्राप्त किया, जिसने PBC को ECMWF के उद्योग-अग्रणी डायनामिकल मॉडल पर लागू किया।

ईसीएमडब्ल्यूएफ में उप-मौसमी पूर्वानुमान के वैज्ञानिक डॉ. जोशुआ तालिब ने कहा, "एआई वेदर क्वेस्ट उप-मौसमी पूर्वानुमानों के लिए एक अद्वितीय वास्तविक समय बेंचमार्किंग प्लेटफॉर्म प्रदान करता है।" "टीम माइक्रोएन्सेम्बल के योगदान ने इस बात पर प्रकाश डाला कि कैसे मशीन लर्निंग पोस्ट-प्रोसेसिंग के माध्यम से पारंपरिक गतिशील पूर्वानुमान प्रणालियों के कौशल को बढ़ा सकती है।"

पूर्वी अफ्रीका में बेंचमार्क से वास्तविक दुनिया के पायलट तक

तकनीक पहले से ही बेंचमार्क से आगे बढ़ रही है। केन्या में, पूर्वानुमानकर्ता पीबीसी का परीक्षण करने की तैयारी कर रहे हैं क्योंकि देश के दो बरसाती मौसमों में से एक चल रहा है। इस प्रयास में केन्या मौसम विज्ञान सेवा प्राधिकरण (केएमएसए) और कैलिफोर्निया विश्वविद्यालय, सांता बारबरा के जलवायु खतरा केंद्र के वैज्ञानिक शामिल हैं, जिसमें जेनेवीव फ्लास्पोहलर की सलाह शामिल है, जो एआई-संचालित मौसम पूर्वानुमान में सुधार पर केंद्रित एक गैर-लाभकारी संस्था राइजा रिसर्च चलाते हैं।

फ्लैस्पोहलर का तर्क है कि किसी पूर्वानुमान का मूल्य उस पर कार्य करने के लिए समय पर पहुंचने पर निर्भर करता है। "एक अच्छा मौसम पूर्वानुमान, सही समय पर, सही संचार चैनल पर दिया गया, कृषि परिणामों के लिए एक बड़ा अंतर हो सकता है," उन्होंने कहा, यह देखते हुए कि पूर्वी अफ्रीका रिकॉर्ड पर सबसे शुष्क वर्षों और अब तक के सबसे गीले वर्षों के बीच झूल रहा है। ऐसे क्षेत्र में जहां खेतों में बड़े पैमाने पर सिंचाई की कमी होती है और रोपण, उर्वरक और बीज-खरीद के फैसले सभी दृष्टिकोण पर आधारित होते हैं, एक अधिक कुशल उप-मौसमी पूर्वानुमान कोई अमूर्त सुधार नहीं है।

फ़्लास्पोहलर ने कहा, "चूंकि हम रिकॉर्ड पर अब तक के सबसे गर्म अल नीनो के बीच में हैं, इसलिए सरकारों और जलवायु विज्ञान समुदाय में इस बात को लेकर बहुत डर है कि यह कैसे प्रकट होगा।" "सरल पूर्वानुमान विधियों की बहुत आवश्यकता है जो मजबूती से काम करें।"

बड़े मॉडलों के युग में एक दक्षता तर्क

एआई अनुसंधान में पीबीसी को जो चीज उल्लेखनीय बनाती है, वह है इसकी अर्थव्यवस्था। जबकि अधिकांश क्षेत्र बड़े एंड-टू-एंड पूर्वानुमान मॉडल को प्रशिक्षित करने के लिए दौड़ते हैं, पीबीसी एक तुलनात्मक रूप से छोटी प्रणाली है जो अपने अधिकांश कौशल को परिचालन मॉडल से उधार लेती है जिसे वह सही करती है। इससे इसे चलाना सस्ता हो जाता है और मौसम विज्ञान एजेंसियों के लिए इसे अपनाना आसान हो जाता है, क्योंकि वे अपने मौजूदा बुनियादी ढांचे को बनाए रख सकते हैं और बस एक सुधार परत जोड़ सकते हैं।

यह व्यावहारिक मशीन लर्निंग में एक व्यापक पैटर्न को भी दर्शाता है: पोस्ट-प्रोसेसिंग और कैलिब्रेशन अक्सर लाभ प्रदान करते हैं जिसके लिए अन्यथा पूर्ण मॉडल को फिर से काम करने की आवश्यकता होती है। मौसम सेवाओं के लिए सीमित बजट कहां खर्च करना है, इसके लिए एक ऐसी विधि जो स्पष्ट रूप से सबसे कठिन पूर्वानुमान सीमा में सुधार करती है - जो प्रकृति और लाइव ईसीएमडब्ल्यूएफ प्रतियोगिता दोनों में मान्य है - ध्यान आकर्षित करने की संभावना है।

उप-मौसमी एआई के लिए आगे क्या आता है

माइक्रोसॉफ्ट का ब्लॉग पोस्ट एक परिचालन उत्पाद की घोषणा करने से कम है, और कंपनी ने यह नहीं बताया है कि पीबीसी को वाणिज्यिक पूर्वानुमान पेशकशों में एकीकृत किया जाएगा या नहीं। निकट अवधि का परीक्षण यह है कि क्या राष्ट्रीय मौसम सेवाएं अपने उप-मौसमी दृष्टिकोण के लिए पीबीसी जैसी पूर्वाग्रह-सुधार परतों को अपनाना शुरू कर देती हैं, और क्या दृष्टिकोण अब परिचालन उपयोग में आने वाले एआई पूर्वानुमान मॉडल के साथ अच्छी तरह से मेल खाता है।

यदि ऐसा होता है, तो दो से छह सप्ताह की अवधि - वह विस्तार जहां किसानों, ग्रिड ऑपरेटरों और आपदा योजनाकारों को ऐतिहासिक रूप से सबसे कम काम करना पड़ा है - अंततः बंद होना शुरू हो सकता है। एक ऐसे क्षेत्र के लिए जिसने कौशल में सीमांत लाभ का पीछा करते हुए दशकों बिताए हैं, एक छोटी मशीन लर्निंग प्रणाली को विशाल भौतिक मॉडल की व्यवस्थित त्रुटियों को साफ करने देना एक व्यावहारिक प्रकार की प्रगति है।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →