Microsoft ने PBC को ओपन-सोर्स किया, AI टूल जो मौसम मॉडल के पूर्वाग्रह को सुधारता है

Microsoft के शोधकर्ताओं ने 14 अक्टूबर 2026 को जर्नल Nature में एक शोधपत्र प्रकाशित किया, जिसमें Probabilistic Bias Correction (PBC) नामक मशीन लर्निंग विधि का वर्णन है। उनका दावा है कि यह दो से छह हफ्ते आगे के मौसम पूर्वानुमानों को अधिक सटीक बनाती है। कंपनी ने इस टूल को ओपन-सोर्स सॉफ़्टवेयर के रूप में जारी किया है। सह-लेखकों में MIT, European Centre for Medium-Range Weather Forecasts (ECMWF) और अन्य संस्थानों के शोधकर्ता शामिल हैं।

भौतिकी-आधारित पारंपरिक प्रणालियों और नए AI मॉडलों, दोनों के पूर्वानुमान दो हफ्ते के बाद अक्सर भरोसेमंद नहीं रहते। नया स्वतंत्र पूर्वानुमान मॉडल बनाने के बजाय Microsoft की टीम ने मौजूदा मॉडलों में पहले से मौजूद त्रुटियों को ठीक करने का लक्ष्य रखा। कंपनी को उम्मीद है कि यह दृष्टिकोण सीमित बजट वाली मौसम एजेंसियों को पसंद आएगा।

व्यवस्थित पूर्वाग्रह पर लक्ष्य

सभी पूर्वानुमान मॉडल कुछ अंतरालों को भरने के लिए अनुमानों पर निर्भर करते हैं, जैसे उन क्षेत्रों में जहाँ मौसम स्टेशन कम हैं, या ऐसी वायुमंडलीय प्रक्रियाएँ जिन्हें वैज्ञानिक अभी पूरी तरह नहीं समझते। ये उपाय व्यवस्थित पूर्वाग्रह में बदल सकते हैं, और मॉडल जितना आगे देखता है, त्रुटियाँ उतनी बढ़ती जाती हैं। PBC इस पूर्वाग्रह को पहचानने और समायोजित करने के लिए मशीन लर्निंग का उपयोग करता है। Microsoft Research New England के वरिष्ठ प्रिंसिपल शोधकर्ता Lester Mackey जलवायु परिवर्तन को एक उदाहरण के रूप में रखते हैं: ऐतिहासिक आंकड़ों पर प्रशिक्षित मॉडल आज की तेज़ी से गर्म होती दुनिया के मुकाबले ठंडा अनुमान लगा सकता है।

शोधकर्ताओं के अनुसार, PBC ने ECMWF के एक प्रमुख भौतिकी-आधारित मॉडल में वर्षा के 98 प्रतिशत और तापमान के 92 प्रतिशत लक्ष्यों पर सुधार किया। अध्ययन के विश्लेषण में यह ECMWF के नए AI पूर्वानुमान प्रणाली की सटीकता को भी दोगुना करता पाया गया। प्रकाशन से पहले ही ECMWF ने अपनी AI Weather Quest प्रतियोगिता में इस कार्य को मान्यता दे दी थी। केंद्र के मशीन लर्निंग के रणनीतिक प्रमुख Matthew Chantry ने इस विचार का स्वागत किया, लेकिन एक चेतावनी भी जोड़ी: "विचारों को [किसी] परिचालन प्रक्रिया में वास्तविकता में बदलना सबसे चुनौतीपूर्ण कदम है।"

छोटी एजेंसियों के लिए पर्याप्त हल्का

भौतिकी-आधारित पूर्वानुमान सुपरकंप्यूटर पर निर्भर है और जेनेरेटिव AI शक्तिशाली GPU पर, लेकिन Mackey का कहना है कि PBC केवल CPU पर चल सकता है। भारी कंप्यूट आवश्यकताओं के कारण विकासशील अर्थव्यवस्थाओं की कई एजेंसियाँ लंबे समय से नई पूर्वानुमान तकनीकें नहीं अपना पाईं। सह-लेखक Genevieve Flaspohler का तर्क है कि यह मॉडल हल्का और प्रशिक्षित करने में आसान है, इसलिए बड़े संसाधनों के बिना भी वैज्ञानिक इसे अपने क्षेत्र के अनुसार ढाल सकते हैं।

Flaspohler ने Microsoft में इंटर्न के रूप में PBC पर काम किया और अब गैर-लाभकारी संस्था Rhiza Research का नेतृत्व करती हैं। यह संस्था Gates Foundation के वित्त पोषण से Kenya Meteorological Service Authority के साथ साझेदारी में यह परखने के लिए काम कर रही है कि क्या AI शुरुआती चेतावनी प्रणाली को बेहतर बना सकता है। रिकॉर्ड-तोड़ El Niño के दौरान अधिक चरम मानसून की उम्मीद के बीच PBC उन विधियों में शामिल है जिनका मूल्यांकन किया जा रहा है। यह काम Microsoft को मौसम पूर्वानुमान के लिए AI टूल बना रहे Google, Nvidia और अन्य कंपनियों के साथ खड़ा करता है।