स्टडी में पाया गया कि AI और पारंपरिक पूर्वानुमान अलग-अलग आर्थिक फ़ायदे देते हैं

उप्साला यूनिवर्सिटी, स्टॉकहोम यूनिवर्सिटी, स्वीडिश सेंटर फॉर इम्पैक्ट्स ऑफ क्लाइमेट एक्सट्रीम्स (क्लाइम्स), सेंटर ऑफ नेचुरल हैज़र्ड्स एंड डिज़ास्टर साइंस (CNDS), वर्ल्ड बैंक ग्रुप और ग्लोबल फैसिलिटी फॉर डिज़ास्टर रिडक्शन एंड रिकवरी (GFDRR) के रिसर्चर्स की एक नई स्टडी ने मौसम के अनुमान में एक आम सोच को चुनौती दी है: कि ज़्यादा सटीक अनुमान अपने आप ज़्यादा आर्थिक फायदे देते हैं।

स्टडी में कहा गया है कि मौसम के अनुमानों की असली कीमत इस बात से मापी जानी चाहिए कि वे खराब मौसम की घटनाओं से होने वाले नुकसान को कितना कम करने में मदद करते हैं, न कि सिर्फ़ सटीकता के स्कोर से। यह नतीजा तब सामने आया है जब सरकारें और बिज़नेस मौसम के अनुमान और आपदा की तैयारी को बेहतर बनाने के लिए आर्टिफिशियल इंटेलिजेंस (AI) पर ज़्यादा निर्भर हो रहे हैं।

पारंपरिक अनुमान के तरीके क्यों कम पड़ जाते हैं

मौसम एजेंसियां ​​आमतौर पर सटीकता, गलती की दर और अनुमान लगाने की स्किल जैसे टेक्निकल इंडिकेटर्स का इस्तेमाल करके अनुमानों का अंदाज़ा लगाती हैं। हालांकि ये तरीके दिखाते हैं कि कोई मॉडल मौसम के हालात का कितना अच्छा अनुमान लगाता है, लेकिन वे यह नहीं बताते कि अनुमान लोगों को बेहतर फैसले लेने या आर्थिक नुकसान से बचने में मदद करते हैं या नहीं।

रिसर्चर्स का कहना है कि खराब मौसम की घटनाएं ज़्यादा बार हो रही हैं और महंगी भी हो रही हैं। जब कम समय में कई आपदाएँ आती हैं, तो नुकसान तेज़ी से बढ़ सकता है। इंफ्रास्ट्रक्चर पहले से ही कमज़ोर हो सकता है, इमरजेंसी सर्विस पर बहुत ज़्यादा दबाव पड़ सकता है, और रिकवरी का खर्च तेज़ी से बढ़ सकता है।

स्टडी में कहा गया है कि पारंपरिक फोरकास्ट इवैल्यूएशन इन "बढ़ती हुई मुश्किलों" को ध्यान में नहीं रख पाते हैं, जिससे पॉलिसी बनाने वालों के लिए फोरकास्टिंग सिस्टम की असली आर्थिक कीमत समझना मुश्किल हो जाता है।

बार-बार फोरकास्ट में गलतियाँ महंगी पड़ सकती हैं

स्टडी का एक बड़ा नतीजा यह है कि बार-बार फोरकास्ट में गलतियाँ करने से नुकसान काफ़ी बढ़ सकता है।

जब लगातार कई बार खतरनाक घटनाओं की जानकारी नहीं मिलती है, तो लोग तैयार नहीं रह पाते हैं, जिससे बड़ा आर्थिक और सामाजिक नुकसान होता है। दूसरी ओर, बार-बार गलत अलार्म बजने से लोगों का वॉर्निंग सिस्टम पर भरोसा कम हो सकता है, जिससे लोगों के भविष्य के अलर्ट पर जवाब देने की संभावना कम हो जाती है।

इन असर को समझने के लिए, रिसर्चर्स ने एक ऐसा फ्रेमवर्क बनाया जो लगातार फोरकास्ट में गलतियों के लिए आर्थिक सज़ा को बढ़ाता है। उन्होंने ऐसे सिनेरियो को टेस्ट किया जिनमें बार-बार गलतियों से लागत दोगुनी या चार गुना तक बढ़ गई, जो असल दुनिया के उन हालात को दिखाता है जहाँ असर तेज़ी से बढ़ सकता है।

नतीजों से पता चला कि जब इन बढ़ते खर्चों को ध्यान में रखा जाता है, तो फोरकास्ट वैल्यू अक्सर तेज़ी से गिर जाती है।

AI बनाम पारंपरिक फोरकास्टिंग सिस्टम

इस स्टडी में यूरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट (ECMWF) के बनाए दो फोरकास्टिंग सिस्टम की तुलना की गई: पारंपरिक फिजिक्स-बेस्ड इंटीग्रेटेड फोरकास्टिंग सिस्टम हाई रेजोल्यूशन मॉडल (IFS HRES) और AI-पावर्ड आर्टिफिशियल इंटेलिजेंस फोरकास्टिंग सिस्टम (AIFS)।

रिसर्चर्स ने छह दक्षिण एशियाई शहरों—बैंकॉक, दिल्ली, ढाका, हनोई, इस्लामाबाद, मुंबई और छह दक्षिणी यूरोपीय शहरों, जिनमें एथेंस, मैड्रिड, मिलान, रोम, सेविले और वालेंसिया शामिल हैं, में बहुत ज़्यादा तापमान और हवा की घटनाओं के पांच-दिन के फोरकास्ट का मूल्यांकन किया।

तापमान फोरकास्ट के लिए, AIFS ने अक्सर बैंकॉक और मुंबई जैसे शहरों में ज़्यादा आर्थिक वैल्यू दी। हालांकि, पारंपरिक IFS HRES मॉडल ने रोम और एथेंस जैसी जगहों पर बेहतर परफॉर्म किया। नतीजों से पता चलता है कि सबसे अच्छा फोरकास्टिंग सिस्टम स्थानीय हालात, रोकथाम के खर्च और मौसम से जुड़े नुकसान की कमज़ोरी पर निर्भर करता है।

एक ज़रूरी नतीजा यह था कि जब संभावित आपदा नुकसान की तुलना में बचाव के उपाय काफ़ी सस्ते होते हैं, तो ज़्यादा गंभीर घटनाओं की सफलतापूर्वक पहचान करने वाले अनुमान ज़्यादा वैल्यू देते हैं। जब बचाव के उपाय महंगे होते हैं, तो झूठे अलार्म को कम करना ज़्यादा ज़रूरी हो जाता है।

सरकारों और डेवलपमेंट पार्टनर्स के लिए इसका क्या मतलब है

सरकारों के लिए, यह स्टडी मौसम सेवाओं और शुरुआती चेतावनी सिस्टम में निवेश का मूल्यांकन करते समय अनुमान की सटीकता से आगे बढ़ने की ज़रूरत पर ज़ोर देती है।

नतीजों से पता चलता है कि नेशनल वेदर एजेंसियों को यह आकलन करना चाहिए कि अनुमान इमरजेंसी प्लानिंग, इंफ्रास्ट्रक्चर सुरक्षा और आपदा प्रतिक्रिया लागत को कैसे प्रभावित करते हैं। इकोनॉमिक-वैल्यू आकलन सरकारों को उन पूर्वानुमान टेक्नोलॉजी में निवेश को प्राथमिकता देने में मदद कर सकते हैं जो सबसे ज़्यादा सामाजिक और फाइनेंशियल रिटर्न देती हैं।

वर्ल्ड बैंक, रीजनल डेवलपमेंट बैंक, डोनर एजेंसियां ​​और क्लाइमेट फंड जैसे डेवलपमेंट पार्टनर्स के लिए, यह फ्रेमवर्क हाइड्रोमेटोरोलॉजिकल इंफ्रास्ट्रक्चर में निवेश के असर का मूल्यांकन करने का एक नया तरीका देता है। यह यह पहचानने में मदद कर सकता है कि बेहतर अनुमानों से आपदा नुकसान को कम करने और क्लाइमेट रेजिलिएंस को मज़बूत करने की सबसे ज़्यादा संभावना कहाँ है।

रिस्क, मौके और आगे का रास्ता

इस स्टडी का प्राइवेट सेक्टर पर भी ज़रूरी असर पड़ता है। खेती, एनर्जी, इंश्योरेंस, लॉजिस्टिक्स, एविएशन और शिपिंग जैसी इंडस्ट्री मौसम की जानकारी पर बहुत ज़्यादा निर्भर करती हैं। बिज़नेस को सिर्फ़ टेक्निकल एक्यूरेसी के तरीकों पर निर्भर रहने के बजाय, ऑपरेशन, सप्लाई चेन और रिस्क मैनेजमेंट पर उनके असर के आधार पर फोरकास्ट का मूल्यांकन करने से फ़ायदा हो सकता है।

रिसर्च करने वालों ने पाया कि हवा के फोरकास्ट से आम तौर पर टेम्परेचर फोरकास्ट की तुलना में कम इकोनॉमिक वैल्यू मिलती है। कुछ मामलों में, खासकर जब बार-बार फोरकास्ट फेल होने की लागत तेज़ी से बढ़ने की उम्मीद थी, तो हवा के फोरकास्ट से बहुत कम या कोई पॉज़िटिव इकोनॉमिक वैल्यू नहीं मिली। यह इन्वेस्टमेंट के फ़ैसले लेते समय सिर्फ़ फोरकास्ट की एक्यूरेसी पर निर्भर रहने के रिस्क को दिखाता है।

आगे देखते हुए, लेखक फोरकास्ट के मूल्यांकन का एक स्टैंडर्ड हिस्सा इकोनॉमिक-वैल्यू असेसमेंट बनाने की सलाह देते हैं। वे यह भी सुझाव देते हैं कि भविष्य के AI फोरकास्टिंग सिस्टम को न सिर्फ़ भविष्यवाणी की एक्यूरेसी को बेहतर बनाने के लिए बल्कि इकोनॉमिक और सोशल फ़ायदों को ज़्यादा से ज़्यादा करने के लिए भी डिज़ाइन किया जाना चाहिए।

जैसे-जैसे क्लाइमेट चेंज से मौसम की बहुत ज़्यादा खराब घटनाओं की फ़्रीक्वेंसी बढ़ रही है, स्टडी का नतीजा यह है कि सबसे कीमती फोरकास्ट ज़रूरी नहीं कि सबसे सटीक हों। इसके बजाय, ये ऐसे अनुमान होंगे जो सरकारों, समुदायों, डेवलपमेंट पार्टनर्स और बिज़नेस को बेहतर फ़ैसले लेने और सबसे बड़े नुकसान से बचने में मदद करेंगे।