موسم کی پیشن گوئی مختصر افق پر قابل اعتبار طور پر قابل اعتبار بن گئی ہے: آج کے ماڈل تقریباً دو ہفتوں تک انتہائی درست ہیں، اور طویل فاصلے تک آب و ہوا کے تخمینے بھی مسلسل بہتر ہو رہے ہیں۔ تاہم، ان دو وقتی پیمانوں کے درمیان، ایک ضدی اندھا دھبہ بیٹھا ہے۔ دو سے چھ ہفتوں کی ونڈو میں پیشین گوئیاں - جسے ذیلی موسمی پیشین گوئی کے نام سے جانا جاتا ہے - ناقابل اعتبار رہتی ہے، حالانکہ یہ وہی حد ہے جو فصلوں کو کب لگانے، پانی اور توانائی کو کیسے مختص کرنا ہے، اور جنگل کی آگ کے لیے کیسے تیاری کرنا ہے اس بات کا فیصلہ کرنے کے لیے اہمیت رکھتی ہے۔

مائیکروسافٹ ریسرچ اور بیرونی ساتھیوں کے نیٹ ورک کا کہنا ہے کہ انہوں نے اس خلا کو کم کرنے کا ایک طریقہ ڈھونڈ لیا ہے، ایک اور پیشن گوئی ماڈل بنا کر نہیں، بلکہ پہلے سے موجود ماڈلز کی پیشین گوئی کی غلطیوں کو درست کرنے کے لیے سافٹ ویئر سکھا کر۔ نقطہ نظر، جسے Probabilistic Bias Correction (PBC) کہا جاتا ہے، سائنسی جریدے نیچر میں شائع ہونے والے ایک مقالے میں تفصیلی ہے اور اس ہفتے شائع ہونے والی مائیکروسافٹ بلاگ پوسٹ میں بیان کیا گیا ہے۔ [تازہ ترین AI پیش رفت] (https://aibuzzwire.news) میں شامل اطلاق شدہ AI تحقیق کی لہر میں یہ سب سے زیادہ خاموشی سے عملی اندراجات میں سے ایک ہے، کیونکہ یہ ان نظاموں کو اپ گریڈ کرتا ہے جن پر ماہرین موسمیات پہلے سے ہی انحصار کرتے ہیں بجائے اس کے کہ وہ کسی نئی چیز پر سوئچ کریں۔

کیوں دو سے چھ ہفتوں کی ونڈو پیشن گوئی سے انکار کرتی ہے۔

طبیعیات پر مبنی ماڈلز سائنسی مساوات کا استعمال کرتے ہوئے ماحول اور سمندروں کی نقالی کرتے ہیں، جب کہ نئے AI ماڈل مشاہدہ شدہ موسمی ڈیٹا کے وسیع ذخیرہ پر تربیت دیتے ہیں۔ مائیکرو سافٹ کے مطابق، دونوں خاندان تقریباً دس دن تک اچھی کارکردگی کا مظاہرہ کرتے ہیں۔ اس نقطہ سے آگے، چھوٹی ابتدائی غلطیاں مرکب اور ماحول، سمندروں اور زمین کی سطح کے درمیان پیچیدہ تعامل دونوں نقطہ نظروں کو مغلوب کر دیتے ہیں، یہی وجہ ہے کہ دو سے چھ ہفتے کے نقطہ نظر نے باقی پیشین گوئیوں کو طویل عرصے سے پیچھے چھوڑ دیا ہے۔

مسابقتی ماڈلز کے ہجوم والے میدان میں داخل ہونے کے بجائے، مائیکروسافٹ کی زیر قیادت ٹیم نے ایک مختلف ہدف پر توجہ مرکوز کی: منظم، دوبارہ قابل غلطیاں جو ماڈلز اس حد میں کرتے ہیں۔ "ہماری نئی پائپ لائن (PBC) آپ کے پسندیدہ ماڈل کو ان پٹ کے طور پر لیتی ہے اور سیکھتی ہے کہ یہ کن طریقوں سے غلطیاں کرتی ہے۔ پھر یہ ان غلطیوں کو درست کرتی ہے، جس سے ذیلی موسمی رینج کے لیے بہتر پیداوار کی پیشن گوئی ملتی ہے،" کمپنی نے اپنے بلاگ پوسٹ میں وضاحت کی۔

موجودہ ماڈلز کے اوپر ایک ہلکی پھلکی تہہ

تکنیکی طور پر، پی بی سی ایک ہلکا پھلکا مشین لرننگ سسٹم ہے جو کسی بھی ماڈل کے تاریخی پیشین گوئیوں کے آرکائیو کا مطالعہ کرتا ہے تاکہ یہ معلوم کیا جا سکے کہ یہ کہاں اور کیسے منظم طریقے سے متعصب ہے۔ ایک بار جب وہ نمونے سیکھ جاتے ہیں، نظام معاوضہ کے لیے ماڈل کے امکانی آؤٹ پٹ کو ایڈجسٹ کرتا ہے۔ نیچر پیپر میں بیان کردہ تشخیصات میں، مائیکروسافٹ نے رپورٹ کیا ہے کہ پی بی سی نے دنیا کے سرکردہ آپریشنل ڈیبیاسڈ ذیلی موسمی ماڈل کی کارکردگی کو بہتر کیا ہے، جو یورپی سینٹر فار میڈیم رینج ویدر فورکاسٹ (ECMWF) کے ذریعے چلایا جاتا ہے۔

نتائج براہ راست مقابلے میں رکھے گئے، نہ صرف سابقہ ​​امتحانات میں۔ ECMWF نے اگست 2025 میں AI ویدر کویسٹ کا آغاز کیا، ایک حقیقی وقتی مقابلہ جو ممکنہ ذیلی موسمی پیشین گوئی کو آگے بڑھانے کے لیے ڈیزائن کیا گیا ہے۔ مائیکرو اینسبل نامی ایک ٹیم، جو مائیکروسافٹ کے محققین اور بیرونی تعاون کاروں پر مشتمل ہے، نے مائیکرو ڈوئٹ کے نام سے ایک اندراج کے ساتھ سرفہرست اعزاز حاصل کیا، جس نے ECMWF کے صنعت کے معروف ڈائنامیکل ماڈل پر PBC کا اطلاق کیا۔

"AI Weather Quest ذیلی موسمی پیشین گوئیوں کے لیے ایک منفرد ریئل ٹائم بینچ مارکنگ پلیٹ فارم فراہم کرتا ہے،" ڈاکٹر جوشوا طالب نے کہا، ECMWF میں ذیلی موسمی پیشن گوئی کے سائنسدان۔ "ٹیم مائیکرو اینسمبل کے تعاون نے اس بات پر روشنی ڈالی کہ کس طرح مشین لرننگ پوسٹ پروسیسنگ کے ذریعے روایتی متحرک پیشن گوئی کے نظام کی مہارت کو بڑھا سکتی ہے۔"

مشرقی افریقہ میں بینچ مارک سے حقیقی دنیا کے پائلٹس تک

تکنیک پہلے ہی معیارات سے آگے بڑھ رہی ہے۔ کینیا میں، پیشین گوئی کرنے والے PBC کی جانچ کرنے کی تیاری کر رہے ہیں کیونکہ ملک کے دو برساتی موسموں میں سے ایک جاری ہے۔ اس کوشش میں کینیا میٹرولوجیکل سروس اتھارٹی (KMSA) اور یونیورسٹی آف کیلی فورنیا، سانتا باربرا میں موسمیاتی خطرات کے مرکز کے سائنس دان شامل ہیں، جن میں Genevieve Flaspohler کے مشورے ہیں، جو Rhiza Research چلاتے ہیں، جو کہ AI سے چلنے والی موسم کی پیشن گوئی کو بہتر بنانے پر مرکوز ہے۔

Flaspohler دلیل دیتا ہے کہ ایک پیشن گوئی کی قدر اس پر عمل کرنے کے لئے وقت پر پہنچنے پر منحصر ہے. "ایک اچھی موسم کی پیشن گوئی، صحیح وقت پر، صحیح مواصلاتی چینل پر فراہم کی گئی، زرعی نتائج کے لیے ایک بڑا فرق ثابت ہو سکتی ہے،" انہوں نے کہا کہ مشرقی افریقہ ریکارڈ کے خشک ترین سالوں اور اب تک کے سب سے زیادہ تر برسوں کے درمیان گھوم رہا ہے۔ ایک ایسے خطے میں جہاں کھیتوں میں زیادہ تر آبپاشی اور پودے لگانے، کھاد ڈالنے، اور بیجوں کی خریداری کے فیصلے تمام نقطہ نظر پر سوار ہوتے ہیں، ایک زیادہ ہنر مند ذیلی موسمی پیشن گوئی کوئی خلاصہ بہتری نہیں ہے۔

Flaspohler نے کہا، "چونکہ ہم ریکارڈ پر اب تک کے گرم ترین ال نینو کے درمیان ہیں، حکومتوں اور موسمیاتی سائنس کی کمیونٹی میں اس بارے میں بہت زیادہ خوف ہے کہ یہ کیسے ظاہر ہوگا۔" "آسان پیشن گوئی کے طریقوں کی بہت زیادہ ضرورت ہے جو مضبوطی سے کام کرتے ہیں۔"

بڑے ماڈلز کے دور میں کارکردگی کی دلیل

AI تحقیق میں PBC کو جو چیز قابل ذکر بناتی ہے وہ اس کی معیشت ہے۔ اگرچہ زیادہ تر فیلڈ ریس ہمیشہ سے بڑے اینڈ ٹو اینڈ فورکاسٹنگ ماڈلز کو تربیت دینے کے لیے ہے، پی بی سی نسبتاً ایک چھوٹا سسٹم ہے جو اپنی زیادہ تر مہارت کو آپریشنل ماڈلز سے مستعار لیتا ہے جو اسے درست کرتا ہے۔ اس سے موسمیاتی ایجنسیوں کے لیے چلنا سستا اور اپنانا آسان ہو جاتا ہے، کیونکہ وہ اپنے موجودہ بنیادی ڈھانچے کو برقرار رکھ سکتے ہیں اور صرف ایک اصلاحی تہہ شامل کر سکتے ہیں۔

یہ اپلائیڈ مشین لرننگ میں ایک وسیع تر پیٹرن کی بھی عکاسی کرتا ہے: پوسٹ پروسیسنگ اور انشانکن اکثر ایسے فوائد فراہم کرتے ہیں جو بصورت دیگر مکمل ماڈل کے دوبارہ کام کی ضرورت ہوگی۔ محدود بجٹ کہاں خرچ کرنا ہے اس کا وزن موسمی خدمات کے لیے، ایک ایسا طریقہ جو ظاہری طور پر سب سے مشکل پیشین گوئی کی حد کو بہتر بناتا ہے — جس کی توثیق فطرت اور براہ راست ECMWF مقابلے دونوں میں ہوتی ہے — توجہ مبذول کرائے گا۔

ذیلی موسمی AI کے لیے آگے کیا آتا ہے۔

مائیکروسافٹ کی بلاگ پوسٹ کسی آپریشنل پروڈکٹ کا اعلان کرنے سے روکتی ہے، اور کمپنی نے یہ نہیں کہا ہے کہ آیا پی بی سی کو تجارتی پیشن گوئی کی پیشکشوں میں ضم کیا جائے گا۔ قریب ترین امتحان یہ ہے کہ آیا قومی موسمی خدمات اپنے ذیلی موسمی نقطہ نظر کے لیے PBC جیسی تعصب کی اصلاح کی تہوں کو اپنانا شروع کر دیتی ہیں، اور کیا یہ نقطہ نظر AI پیشن گوئی کے ماڈلز کے ساتھ اچھی طرح سے کام کرتا ہے جو اب آپریشنل استعمال میں داخل ہو رہے ہیں۔

اگر ایسا ہوتا ہے تو، دو سے چھ ہفتوں کی ونڈو - وہ سٹریٹ جہاں کسانوں، گرڈ آپریٹرز، اور ڈیزاسٹر پلانرز کے پاس تاریخی طور پر کام کرنے کے لیے کم از کم کام تھا - آخر کار بند ہونا شروع ہو سکتا ہے۔ ایک ایسے شعبے کے لیے جس نے مہارت میں معمولی حاصلات کا تعاقب کرتے ہوئے دہائیاں گزاری ہوں، ایک چھوٹے مشین لرننگ سسٹم کو دیوہیکل جسمانی ماڈلز کی منظم غلطیوں کو صاف کرنے دینا ایک عملی قسم کی پیشرفت ہے۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →