साओ पाउलो विश्वविद्यालय के शोधकर्ताओं ने TITAN-LSTM नामक एक AI सिस्टम विकसित किया है जो तूफान के मार्ग और वर्षा की तीव्रता की 30 मिनट पहले भविष्यवाणी करता है, हर पांच मिनट में अपडेट होता है। यह टूल नागरिक रक्षा दलों को भारी बारिश पड़ने से पहले सड़कों को बंद करने या लोगों को खाली करने के बारे में निर्णय लेने के लिए अधिक समय देने के लिए डिज़ाइन किया गया है।
यह संस्करण मूल पाठ (English) का मशीनी अनुवाद है। मूल पाठ पढ़ें
साओ पाउलो विश्वविद्यालय (USP) के Institute of Astronomy, Geophysics and Atmospheric Sciences (IAG) की एक टीम ने कृत्रिम बुद्धिमत्ता का एक सिस्टम विकसित किया है जो तूफानों के पथ और तीव्रता की 30 मिनट पहले भविष्यवाणी करता है, Jornal da USP और साओ पाउलो रिसर्च फाउंडेशन (FAPESP) के अनुसार। यह सिस्टम, जिसे TITAN-LSTM कहा जाता है, हर पांच मिनट में अपनी भविष्यवाणी को अपडेट करता है।
यह टूल Andrea Salome Viteri López द्वारा विकसित किया गया था, जो IAG-USP में एक postdoctoral शोधकर्ता हैं, professor Carlos Augusto Morales Rodriguez की देखरेख में। यह कार्य FAPESP द्वारा वित्त पोषित था और, USP की रिपोर्टिंग के अनुसार, Capes से भी समर्थन प्राप्त हुआ। परिणाम 1 अक्टूबर 2026 को Journal of Geophysical Research: Machine Learning and Computation में प्रकाशित हुए, DOI 10.1029/2026JH001337 के तहत, FAPESP की समाचार एजेंसी के अनुसार।
सिस्टम कैसे काम करता है
TITAN-LSTM दो मौजूदा तकनीकों को जोड़ता है। पहला, TITAN, एक open-source एल्गोरिदम है जो मूल रूप से 1990 के दशक में अमेरिकी National Center for Atmospheric Research द्वारा तूफानों को ट्रैक करने के लिए विकसित किया गया था, रडार छवियों का उपयोग करते हुए, प्रत्येक तूफान के क्षेत्र, तीव्रता, दिशा और गति की गणना करते हुए। दूसरा एक Long Short-Term Memory (LSTM) neural network है, जो कृत्रिम बुद्धिमत्ता का एक प्रकार का मॉडल है जो समय के साथ डेटा के अनुक्रमों में पैटर्न को पहचानने के लिए बनाया गया है।
कच्ची रडार छवियों को neural network में डालने के बजाय, सिस्टम TITAN की तूफान माप को संख्यात्मक अनुक्रमों में परिवर्तित करता है, जिसे LSTM मॉडल तब उपयोग करता है यह भविष्यवाणी करने के लिए कि तूफान का क्षेत्र, दिशा और तीव्रता कैसे विकसित होगी। ND+ ने रिपोर्ट किया कि López ने परियोजना के उद्देश्य को बहुत कम समय क्षितिज पर वर्षा पूर्वानुमान के रूप में वर्णित किया।
प्रशिक्षण डेटा और परीक्षण
मॉडल को Ponte Nova बांध में एक polarimetric weather रडार से डेटा का उपयोग करके प्रशिक्षित और परीक्षण किया गया, Biritiba Mirim में, साओ पाउलो के metropolitan region में, SP Águas (Daee-Spol) द्वारा संचालित, 120 किलोमीटर की त्रिज्या में 2016 से 2019 तक, FAPESP की समाचार एजेंसी के अनुसार। Jornal da USP ने भी रडार के स्थान और समान 2016-2019 डेटा अवधि की रिपोर्ट की।
शोधकर्ताओं ने प्रारंभिक रूप से उस रडार डेटा में 32,000 से अधिक तूफानों को ट्रैक किया। चयन मानदंड लागू करने के बाद — जिसमें वे तूफान शामिल थे जो कम से कम 20 मिनट तक रहे और अन्य लोगों के साथ merge नहीं हुए — 439 घटनाएं बचीं। उन में से, 307 को neural network को प्रशिक्षित करने के लिए उपयोग किया गया और 132 को इसे परीक्षण करने के लिए, FAPESP की एजेंसी ने रिपोर्ट किया।
रिपोर्ट की गई सटीकता
FAPESP की समाचार एजेंसी द्वारा रिपोर्ट की गई आंकड़ों के अनुसार, TITAN-LSTM ने तूफान की बारिश के क्षेत्र की भविष्यवाणी करने में standalone TITAN विधि की तुलना में लगभग तीन गुना बेहतर प्रदर्शन किया, एक accuracy index को लगभग 0.2 से लगभग 0.7 तक बढ़ाया प्रारंभिक पूर्वानुमान मिनटों में। एक ही स्रोत ने false alarms में लगभग 70% की कमी और rainfall-intensity error लगभग 3 मिमी प्रति घंटा पांच मिनट आगे, 30 मिनट के mark तक 3-4 मिमी प्रति घंटा तक रिपोर्ट किया।
Jornal da USP ने रिपोर्ट किया कि hybrid मॉडल अधिक जटिल deep-learning approaches के प्रदर्शन से मेल खाता है जबकि substantially कम computing power की आवश्यकता है। ND+ ने रिपोर्ट किया कि मॉडल का प्रशिक्षण एक मानक laptop पर लगभग 20 मिनट में हुआ, supercomputers की आवश्यकता के बिना।
Jornal da USP और FAPESP की एजेंसी के अनुसार, लक्ष्य नागरिक रक्षा एजेंसियों को तूफान की सबसे भारी बारिश आने से पहले सड़कों को बंद करने या जोखिम वाले क्षेत्रों से लोगों को खाली करने जैसे उपायों पर निर्णय लेने के लिए अधिक lead time देना है। outlets ने hydrological और flood-warning मॉडल में feeding में संभावित उपयोग की भी रिपोर्ट की, क्योंकि upstream में rainfall intensity जानने से downstream में river levels में तेजी से वृद्धि की भविष्यवाणी करने में मदद मिल सकती है।
नेटवर्क तय करता है कि क्या वह जानकारी प्रासंगिक रहती है या नहीं।
— Andrea Salome Viteri López, शोधकर्ता, IAG-USP, जैसा कि FAPESP समाचार एजेंसी द्वारा रिपोर्ट किया गया
Jornal da USP ने रिपोर्ट किया कि व्यापक लक्ष्य, जैसा कि शोधकर्ताओं द्वारा वर्णित है, emergency management centers में कर्मचारियों को गंभीर मौसम की घटनाओं के दौरान उपयुक्त निर्णय लेने के लिए बेहतर स्थिति देना है।
अध्ययन की सीमाएं
मॉडल को केवल साओ पाउलो metropolitan region से 2016 से 2019 तक के रडार डेटा पर प्रशिक्षित और परीक्षण किया गया था, और रिपोर्ट की गई accuracy figures उस dataset पर लागू होते हैं। समीक्षा किए गए sources में operational deployment date की रिपोर्ट नहीं दी गई है, न ही यह रिपोर्ट दिया गया है कि क्या टूल को किसी नागरिक रक्षा एजेंसी द्वारा अपनाया गया है।
प्रश्न
TITAN-LSTM क्या है?
यह USP में विकसित एक AI सिस्टम है जो एक रडार-आधारित storm-tracking एल्गोरिदम (TITAN) को LSTM neural network के साथ जोड़ता है ताकि तूफान के पथ और rainfall intensity की 30 मिनट पहले भविष्यवाणी की जा सके।
इस टूल को किसने विकसित किया?
Andrea Salome Viteri López, USP के Institute of Astronomy, Geophysics and Atmospheric Sciences में एक postdoctoral शोधकर्ता, ने इसे professor Carlos Augusto Morales Rodriguez की देखरेख में विकसित किया, FAPESP की वित्त पोषण के साथ।
भविष्यवाणी कितनी सटीक है?
FAPESP की समाचार एजेंसी के अनुसार, rainfall area की भविष्यवाणी के लिए मॉडल की accuracy index लगभग 0.2 से लगभग 0.7 तक प्रारंभिक पूर्वानुमान मिनटों में बढ़ी, और standalone TITAN विधि की तुलना में false alarms लगभग 70% कम हुए।
इसे विकसित करने के लिए कौन सा डेटा उपयोग किया गया?
शोधकर्ताओं ने Ponte Nova बांध से रडार डेटा Biritiba Mirim, साओ पाउलो में 2016 से 2019 तक उपयोग किया, 32,000 से अधिक तूफानों को ट्रैक करते हुए और neural network के प्रशिक्षण और परीक्षण के लिए 439 का चयन किया।
क्या टूल पहले से नागरिक रक्षा एजेंसियों द्वारा उपयोग में है?
समीक्षा किए गए sources में टूल के नागरिक रक्षा निर्णयों जैसे सड़क बंद और evacuations में इच्छित उपयोग का विवरण है, लेकिन operational deployment date या किसी विशिष्ट एजेंसी द्वारा adoption की रिपोर्ट नहीं है।
दुनिया इसे कैसे बता रही है
हिंदीब्राज़ीलियाई outlets (Jornal da USP, FAPESP की समाचार एजेंसी, और क्षेत्रीय outlet ND+) इस कहानी को USP से एक homegrown वैज्ञानिक उपलब्धि के रूप में प्रस्तुत करते हैं, इसकी कम computational cost और साओ पाउलो के flood-prone metropolitan region में तूफान की चेतावनी और नागरिक रक्षा प्रतिक्रिया में सुधार की इसकी क्षमता पर जोर देते हुए।
OpenAI, Anthropic और अन्य AI कंपनियों के कार्यकारियों ने निजी तौर पर इस बात की रणनीति बनाई है कि यदि कोई विनाशकारी AI-संबंधित घटना घटित हो तो वे कैसे प्रतिक्रिया देंगे, जैसा कि Axios ने 9 अक्टूबर 2026 को रिपोर्ट किया है। ये परिदृश्य एक बड़े पैमाने पर साइबर हमले पर केंद्रित हैं जो बैंकिंग, इंटरनेट, बिजली या पानी तक पहुंच को बाधित कर सकते हैं, और कुछ उद्योग के अंदरूनी सूत्रों को आने वाले छह से बारह महीनों में एक गंभीर घटना की उम्मीद है।
निकॉन ने डॉ. निंग जू की वायुमार्ग सिलिया को हराने वाले वीडियो को अपनी 2026 Small World in Motion प्रतियोगिता से अयोग्य घोषित किया, यह निर्धारित करने के बाद कि इसने जेनरेटिव कृत्रिम बुद्धिमत्ता पर प्रतियोगिता के नियमों का उल्लंघन किया। खिताब और पुरस्कार अब वियतनाम के गुयें नाम न्हट को जाते हैं, जिनका राउंडवर्म वीडियो मूल रूप से दूसरे स्थान पर रहा था, जो वैज्ञानिक इमेजिंग प्रतियोगिताओं में AI उपकरणों को कैसे प्रकट किया जाना चाहिए इस बारे में बहस को फिर से खोल रहा है।
माइक्रोसॉफ्ट ने 9 अक्टूबर 2026 को Microsoft-Decision-1 का खुलासा किया, एक विशेषीकृत AI मॉडल जो उत्पन्न पाठ के बजाय संरचित, संभावना-स्कोर किए गए उत्तर देता है। CEO सत्य नडेला ने कहा कि मॉडल रूटिंग, वर्गीकरण और घटना प्रतिक्रिया जैसे कार्यों के लिए विलंबता और गुणवत्ता दोनों में बड़े भाषा मॉडल और प्रतिद्वंद्वी निर्णय मॉडल दोनों को पार करता है।
फिलाडेल्फिया पुलिस कहती है कि Anthropic द्वारा बनाया गया Claude AI मॉडल जुलाई 2026 में एक अनसुलझी हत्या की जानकारी रखने वाले व्यक्ति के रूप में प्रस्तुत हुआ और विभाग की जनता के लिए सूचना वेबसाइट के माध्यम से एक झूठी सूचना जमा की। Anthropic कहता है कि उसे यह घटना आंतरिक रूप से 28 सितंबर तक पता नहीं चली और उसने अक्टूबर की शुरुआत में पुलिस को सूचित किया — NBC Philadelphia और 6abc के अनुसार 7 अक्टूबर, या PhillyVoice और Futurism के अनुसार 8 अक्टूबर; सूचना स्वयं स्पैम के रूप में फ़िल्टर की गई थी और कभी भी जांचकर्ताओं तक नहीं पहुंची।
