Google DeepMind के AI चक्रवात मॉडल ने Nature के एक शोधपत्र में पाँच दिन के पूर्वानुमान में औसतन 230 किलोमीटर की पथ-त्रुटि दिखाई, जबकि यूरोपीय ensemble की 370 रही, और उसके अपने लेखक तेज़ तीव्रीकरण को अनसुलझी समस्या कहते हैं

6 अगस्त 2026 को छपा एक Nature शोधपत्र बताता है कि Google DeepMind के एक AI मॉडल ने उष्णकटिबंधीय चक्रवातों की स्थिति का पाँच दिन पहले पूर्वानुमान औसतन 230 किमी की त्रुटि से लगाया। यूरोपियन सेंटर फ़ॉर मीडियम-रेंज वेदर फ़ोरकास्ट्स का ensemble सिस्टम, जिसे ENS कहते हैं, उन्हीं तूफ़ानों पर औसतन 370 किमी रहा, और DeepMind का पहले का GenCast मॉडल औसतन 335 किमी। ये स्कोर 2023 और 2024 के तूफ़ानों के हैं। लेखक अपने पूरे मूल्यांकन को, जो 2025 तक चलता है, अग्रणी परिचालन मॉडलों के मुक़ाबले एक दिन या उससे ज़्यादा की औसत अग्रिम-समय बढ़त के रूप में सार देते हैं।

मॉडल का नाम WeatherNext Cyclones है। DeepMind की ज़्यादा जानी-पहचानी विज्ञान प्रणाली AlphaFold की चर्चा उसके नोबेल पुरस्कार पर हमारे लेख में है, और यह मॉडल ऐसे पूर्वानुमान बनाता है जिन्हें बाद में हुए से मिलाकर आँका जा सकता है। शोधपत्र पर बत्तीस लोगों के दस्तख़त हैं। उनमें से 22 को वह Google के कर्मचारी बताता है जिनके पास Alphabet के शेयर हैं, और पाँच लेखकों ने मूल प्रायिकता-आधारित मौसम मॉडल पर पेटेंट दाखिल किया है, चक्रवात-विशिष्ट हिस्से पर नहीं। बाकी अमेरिकी नेशनल हरिकेन सेंटर (NHC), कोलोराडो स्टेट यूनिवर्सिटी, ब्रिटेन के मेट ऑफ़िस और यूनिवर्सिटी ऑफ़ वाटरलू से हैं। Nature को पांडुलिपि 23 दिसंबर 2025 को मिली और उसने 24 जुलाई 2026 को स्वीकार की।

मॉडल ने किससे सीखा, और लोगों ने क्या जुटाया

WeatherNext Cyclones ने दो डेटा-समूहों से सीखा। एक यूरोपीय केंद्र के वैश्विक मौसम-विश्लेषणों के करीब 20 टेराबाइट हैं, यानी बीते क्षणों में वायुमंडल के सबसे अच्छे पुनर्निर्माण। दूसरा IBTrACS है, जो करीब 5,000 दर्ज चक्रवातों का डेटाबेस है, जिसे शोधपत्र विशेषज्ञों का संपादित बताता है और जो हर तूफ़ान का पथ, चरम हवा और तेज़ हवाओं की त्रिज्या दर्ज करता है। वह दूसरी फ़ाइल सिर्फ़ करीब 10 मेगाबाइट की है, और शोधपत्र कहता है कि परिचालन पूर्वानुमान केंद्रों के क्यूरेटर उसके सर्वश्रेष्ठ-पथ रिकॉर्ड जुटाते हैं। मॉडल ने उन तूफ़ानों की खोज नहीं की। उसने उनसे सीखा।

यह करीब 28 किमी की दूरी वाले ग्रिड बिंदुओं के मौसम-नक्शे पर काम करता है, 13 ऊँचाइयों पर छह चरों और सतह पर छह और चरों का इस्तेमाल करते हुए, और 15 दिन तक छह-छह घंटे के कदम आगे बढ़ता है। चैटबॉट के पीछे के भाषा मॉडलों से अलग, यह शब्दों की जगह नक्शे पर संख्याओं का अनुमान लगाता है। चक्रवात ढूँढने के लिए लेखक प्रशिक्षण के दौरान हर तूफ़ान के केंद्र को नक्शे पर एक छोटे उभार के रूप में चिह्नित करते हैं और उसकी ताक़त और आकार की परतें जोड़ते हैं। नियम-आधारित एक अलग ट्रैकिंग प्रोग्राम तैयार पूर्वानुमान से तूफ़ानों की स्थिति वापस पढ़ता है।

हर रन एक संभावित भविष्य बनाता है, और सिस्टम ऐसे 50 बनाता है, या 1,000 तक। DeepMind का ब्लॉग कहता है कि 15 दिन का पूर्वानुमान एक TPU पर, जो Google की AI चिप है, एक मिनट से कम लेता है। ऐसी कंप्यूटिंग बिजली में कितनी पड़ती है, यह AI की ऊर्जा खपत पर हमारे लेख में है।

230 किमी का आँकड़ा कैसे जाँचा गया

लेखकों ने अपने डिज़ाइन-फ़ैसले 2022 के तूफ़ानों से तय किए, फिर मॉडल को 2023 और 2024 के चक्रवातों पर आँका। हर परीक्षण-वर्ष के लिए उन्होंने उसे सिर्फ़ पिछले साल के अंत तक के डेटा पर दोबारा प्रशिक्षित किया, ताकि परखा गया कोई भी तूफ़ान उसके प्रशिक्षण में न रहे। 2025 के लिए मॉडल का एक संस्करण सीधा चल रहा था, और उस साल की जाँच सिर्फ़ उत्तरी अटलांटिक और पूर्वी प्रशांत को ढकती है।

तुलनाएँ NHC के नियमों पर हुईं, जो किसी पूर्वानुमान को तभी गिनते हैं जब तुलना में शामिल हर मॉडल ने उस तूफ़ान के लिए उस अग्रिम-समय पर पूर्वानुमान बनाया हो। प्रतिद्वंद्वी थे ENS, तीव्रता-पूर्वाग्रह सुधारा हुआ GenCast, और NOAA का HAFS-A, एक उच्च-विभेदन क्षेत्रीय मॉडल जिसके पूर्वानुमान अध्ययन सिर्फ़ उत्तरी अटलांटिक और पूर्वी प्रशांत के लिए इस्तेमाल करता है। शोधपत्र ने 1,000 पुनर्प्रतिचयन वाले bootstrap परीक्षण इस्तेमाल किए और कहता है कि लगभग सारे सुधार 5% के स्तर पर सार्थक हैं।

एक रेफ़री ने, जिसकी रिपोर्ट Nature ने बिना नाम के छापी, ध्यान दिलाया कि ऐसा नियम एक सतर्क प्रणाली के पक्ष में जा सकता है जो कई तूफ़ान चूक जाती है। लेखकों ने जवाब दिया कि दूसरा परीक्षण, जो पूर्वानुमानों को फ़ैसले में उनकी उपयोगिता से आँकता है और किसी तूफ़ान को नहीं छोड़ता, चूक को ढकता है।

शोधपत्र के बताए आँकड़े

पाँच दिन की पथ-त्रुटि WeatherNext Cyclones के लिए 230 किमी थी, जबकि ENS के लिए 370 किमी और GenCast के लिए 335 किमी। ENS 230 किमी की त्रुटि तक लगभग 3.75 दिन बाद ही पहुँचता है, जिससे लेखक उस सटीकता पर 30 घंटे से कुछ ज़्यादा की अतिरिक्त चेतावनी निकालते हैं, और GenCast के मुक़ाबले करीब 24 घंटे।

तीव्रता के लिए, चरम हवा का तीन दिन का पूर्वानुमान HAFS से 3.75 नॉट (करीब 7 किमी प्रति घंटा) ज़्यादा सटीक था, जो लेखकों के अनुसार पारंपरिक मॉडलों की लगभग एक दशक की प्रगति के बराबर है। प्रायिकता-आधारित तीव्रता स्कोर पर, मॉडल ने ENS और GenCast के मुक़ाबले कई अग्रिम-समयों पर त्रुटि 50% से ज़्यादा घटाई।

तेज़ तीव्रीकरण का मतलब है 24 घंटे के भीतर चरम हवा में 30 नॉट या उससे ज़्यादा की बढ़त। अटलांटिक और पूर्वी प्रशांत में मॉडल ने वह स्कोर, जो सही अनुमानों को झूठे अलार्म और चूक के सामने तौलता है, यानी क्रिटिकल सक्सेस इंडेक्स, 0.3 से थोड़ा नीचे से बढ़ाकर करीब 0.5 कर दिया। लेखक तेज़ तीव्रीकरण को एक प्रमुख अनसुलझी समस्या कहते हैं और लिखते हैं कि कोई अकेला मॉडल इसमें उत्कृष्ट नहीं है।

2022 के तूफ़ानों पर ट्यून किए भारों वाले एक सिमुलेशन में, मॉडल को NHC की पथ-सहमति में जोड़ने से, जो कई मॉडलों का औसत है, उस सहमति में अग्रिम-समय के हिसाब से 18% से 38% का सुधार हुआ, औसतन 28%। तीव्रता-सहमति में 5% से 14% का सुधार हुआ, औसतन 6%। लेखक लिखते हैं कि इससे दिखता है कि पारंपरिक मॉडल तीव्रता के लिए अब भी काफ़ी मूल्य जोड़ते हैं।

नेशनल हरिकेन सेंटर का 2025 का स्कोरकार्ड क्या कहता है

NHC की 2025 की सत्यापन रिपोर्ट, जिसकी तारीख़ 30 मार्च 2026 है, सीधे परीक्षण को एक आधिकारिक पाठ देती है। अटलांटिक के लिए, वह कहती है, आधिकारिक पूर्वानुमान आम तौर पर ज़्यादातर मॉडलों से बेहतर रहे, हालाँकि Google DeepMind का ensemble औसत (जिसे GDMI नाम दिया गया) कम अवधि में थोड़ा बेहतर रहा और 12 से 72 घंटे में NHC के पथ-पूर्वानुमानों से आगे रहा। पूर्वी प्रशांत में GDMI 48 से 120 घंटे में आधिकारिक पथ-पूर्वानुमान और हर सहमति-साधन से बेहतर रहा, और 12 से 48 घंटे में तीव्रता का सबसे अच्छा अकेला मॉडल था। मॉडल मौसम की शुरुआत में उपलब्ध नहीं था, इसलिए इन तुलनाओं में पहले दो अटलांटिक तूफ़ान और पहले पाँच पूर्वी प्रशांत तूफ़ान शामिल नहीं हैं।

रिपोर्ट यह भी कहती है कि मौसम के कई तेज़ तीव्रीकरण मामलों में अटलांटिक की तीव्रता-त्रुटियाँ पाँच साल के औसत से ऊपर थीं, और इन पर आधिकारिक पूर्वानुमान मॉडल-मार्गदर्शन से बेहतर रहे। CNN ने 8 अक्टूबर 2026 को बताया कि NHC ने 2025 में हरिकेन मेलिसा को श्रेणी 5 का तूफ़ान बताया था जबकि वह अभी 80 मील प्रति घंटे की श्रेणी 1 का था, और यह बहुत कुछ DeepMind के अनुमानों पर टिका था। NHC के निदेशक माइकल ब्रेनन ने CNN से कहा कि AI मॉडलों ने एक रन से दूसरे रन तक ज़्यादा स्थिरता दिखाई है।

लेखकों की बताई सीमाएँ

शोधपत्र कहता है कि मॉडल उच्च-गुणवत्ता वाले विश्लेषण-डेटा पर निर्भर है और भविष्य की प्रणालियों को कच्चे प्रेक्षण इस्तेमाल करने चाहिए। वह अभी बारिश, तूफ़ानी लहर या हवा के झोंकों का पूर्वानुमान नहीं देता। तीव्रता का ensemble थोड़ा अल्प-प्रकीर्णित है, यानी उसके सदस्य असली त्रुटियों से कम फैलते हैं, और ऊँची सीमाओं पर उसकी हवा की प्रायिकताएँ थोड़ी अतिआत्मविश्वासी हैं। लंबे अग्रिम-समयों पर उसका स्कोर NHC की तीव्रता-सहमति से ख़राब है। पूरक सामग्री जोड़ती है कि तीव्रता पर HAFS से तुलनाएँ ज़्यादा मिली-जुली हैं, जिनमें ऐसे मामले ज़्यादा बार आते हैं जहाँ HAFS की त्रुटि कम थी।

एक पूर्वानुमानकर्ता की सतर्क पढ़ाई

माइकल लोरी, जो मायामी में WPLG-TV के हरिकेन विशेषज्ञ हैं और NHC के पूर्व वरिष्ठ वैज्ञानिक रहे हैं, ने 10 सितंबर 2026 को अब तक के 2026 के मौसम के बारे में लिखा। NHC के पूर्व शाखा-प्रमुख जेम्स फ़्रैंकलिन के सत्यापन-डेटा का इस्तेमाल करते हुए उन्होंने बताया कि DeepMind की पथ-त्रुटि अटलांटिक, पूर्वी प्रशांत और मध्य प्रशांत में हर सार्वजनिक रूप से उपलब्ध मार्गदर्शन में सबसे कम थी, पाँच दिन पर NHC से 30% तक आगे। लोरी Nature शोधपत्र के लेखक नहीं हैं।

तीव्रता पर, लोरी ने लिखा, DeepMind NHC के साथ-साथ चला पर आगे नहीं निकला, और HCCA नाम का एक सहमति-साधन सबसे अच्छा रहा। हरिकेन लोवेल पर, उन्होंने कहा, मॉडल के पथ-पूर्वानुमान “शुरू में बेतरतीब ढंग से इधर-उधर कूदते रहे” जबकि NHC के अपने धीरे-धीरे बदले, और उन्होंने ध्यान दिलाया कि NHC “जानता है कि वह स्थिरता के लिए पूर्वानुमान की कुछ सटीकता कुर्बान करेगा।” उनके आँकड़े अब तक के एक मौसम को ढकते हैं।

मौसम ब्लॉग द आईवॉल के प्रबंध संपादक मैट लैंज़ा ने दिसंबर 2025 में ABC न्यूज़ से कहा कि मॉडल तेज़ तीव्रीकरण पर मज़बूत था, पर “अपेक्षा की सीमाओं से बाहर की घटनाएँ होंगी” और “पारंपरिक भौतिकी-आधारित मॉडलिंग ज़रूरी बनी रह सकती है।“

बंगाल की खाड़ी कहाँ बैठती है

Nature का शोधपत्र चक्रवातों की मानवीय क़ीमत से शुरू होता है, 50 साल में 7 लाख से ज़्यादा मौतें और 1.4 ट्रिलियन अमेरिकी डॉलर का नुकसान, जिसके लिए वह विश्व मौसम विज्ञान संगठन (WMO) का हवाला देता है। WMO का एटलस 1970 से 2019 के बीच उष्णकटिबंधीय चक्रवात-आपदाओं से 779,324 मौतें गिनता है। बांग्लादेश में 467,487, म्यांमार में 138,909 और भारत में 46,784 दर्ज हुईं, जो मिलकर दुनिया के कुल का 84% हैं।

Nature का लेख खुद उत्तर हिंद महासागर का नाम कभी नहीं लेता, जिसमें बंगाल की खाड़ी और अरब सागर आते हैं, और भारत के मौसम विभाग का कहीं ज़िक्र नहीं करता। वह कहता है कि नतीजे समुद्री बेसिनों में एक जैसे हैं और विस्तारित डेटा और पूरक सामग्री की ओर इशारा करता है। पूरक सामग्री कहती है कि कौशल की समुद्री बेसिन या ज़मीन से दूरी पर कोई स्पष्ट निर्भरता नहीं है, और तीव्रता-त्रुटि के एक नक्शे का एक पैनल “उत्तर हिंद” के नाम से चिह्नित करती है। NHC के रिकॉर्ड में HAFS के पूर्वानुमान सिर्फ़ अटलांटिक और पूर्वी प्रशांत के हैं, इसलिए बाकी बेसिनों के लिए क्षेत्रीय मॉडल से कोई तुलना नहीं है।

एक रेफ़री ने पूछा कि अटलांटिक के उच्च-गुणवत्ता डेटा पर प्रशिक्षण कहीं उत्तर या दक्षिण हिंद महासागर के तूफ़ानों पर ग़लत ढंग से लागू होने का जोखिम तो नहीं रखता, और ध्यान दिलाया कि IBTrACS अमेरिका के बताए मूल्यों पर झुकता है, जो अमेरिकी बेसिनों के बाहर डेटा की गुणवत्ता को प्रभावित करता है। लेखकों ने जवाब दिया कि वायुमंडलीय इनपुट दुनिया भर में एक जैसी गुणवत्ता के हैं, कि IBTrACS में हर बेसिन की WMO-मानक रिपोर्टें भी हैं, और कि अमेरिकी मूल्यों वाले बिंदु पर कई एजेंसियों ने उनसे पूछा था। 2025 के सीधे मौसम की जाँच अटलांटिक और पूर्वी प्रशांत तक सीमित थी क्योंकि, लेखकों ने लिखा, NHC से बाहर के बेसिनों का 2025 का डेटा अंतिम रूप नहीं पाया था।

शोधपत्र के मॉडलों का कोड और भार GitHub पर google-deepmind/weathernext के तहत हैं। रिपॉज़िटरी कहती है कि मॉडलों को किसी सरकारी मौसम एजेंसी ने समर्थन नहीं दिया है।