कल्पना कीजिए कि आप एक तूफान की भविष्यवाणी करने की कोशिश कर रहे हैं। पुराने दिनों में, आप कल ली गई आकाश की एक तस्वीर देख सकते थे, या किसी विशेषज्ञ द्वारा बनाई गई एक मानचित्र देख सकते थे जो बारिश रुकने के बाद बनाया गया हो। यह एक फिल्म के अंत से एक धुंधले फ्रेम को देखकर उसकी कहानी का अनुमान लगाने जैसा है। लेकिन क्या होगा यदि आप तूफान को वास्तव में होते हुए देख सकें, मिनट-दर-मिनट, तापमान गिरते हुए और नमी बढ़ते हुए वास्तविक समय में महसूस कर सकें? यह अर्थ ऑब्जर्वेशन (पृथ्वी अवलोकन) की दुनिया है, जहाँ वैज्ञानिक हमारे ग्रह को देखने के लिए उपग्रहों (सैटेलाइट्स) का उपयोग करते हैं। हाल ही में, एक नए प्रकार के कंप्यूटर मस्तिष्क जिसे मल्टीमॉडल लार्ज लैंग्वेज मॉडल (MLLM) कहा जाता है, को इन उपग्रह चित्रों को देखने और उनके बारे में बातचीत करने के लिए प्रशिक्षित किया गया है, जो एक सुपर-स्मार्ट सहायक की तरह कार्य करता है जो देख सकता है कि वह क्या देख रहा है। बड़ा सवाल जो हर कोई पूछ रहा है वह यह है: क्या ये एआई (AI) सहायक वास्तव में आपदाओं को होने से पहले रोकने में हमारी मदद कर सकते हैं, या वे केवल नुकसान होने के बाद चित्रों का वर्णन करने में अच्छे हैं?

यही वह चीज़ है जिसकी जांच Obshazard-bench नामक शोध पत्र करता है। लेखकों ने इन एआई मॉडलों के लिए एक बिल्कुल नया "परीक्षा" बनाया है ताकि यह देखा जा सके कि क्या वे वास्तविक दुनिया की आपदा आपात स्थितियों को संभाल सकते हैं। एआई को बाढ़ का एक सुंदर, साफ-सुथरा, विशेषज्ञ द्वारा बनाया गया मानचित्र देने के बजाय, उन्होंने इसे कच्चा, अव्यवस्थित, उच्च-गति डेटा स्ट्रीम दिया—जैसे कि वायुमंडल से आने वाले तापमान और आर्द्रता के कच्चे आंकड़े। उन्होंने एआई का परीक्षण 62 देशों में 127 वास्तविक ऐतिहासिक आपदाओं पर किया, जिसमें भूकंप से लेकर हीटवेव तक सब कुछ शामिल था। परिणाम वास्तविकता का एक कड़ा अहसास थे: यहाँ तक कि सबसे स्मार्ट एआई मॉडल भी संघर्ष कर रहे थे। वे आपदा होने से पहले यह अनुमान लगाने में सक्षम थे कि क्या हो सकता है, लेकिन जब उन्हें वास्तविक समय में यह ट्रैक करने की कोशिश करने के लिए कहा गया कि आपदा कैसे बदल रही है या ठीक कितने लोग प्रभावित होंगे, तो वे बहुत भ्रमित हो गए। शोध पत्र बताता है कि हालांकि ये एआई उपकरण शक्तिशाली हैं, लेकिन वे अभी तक अकेले नायक बनकर दिन बचाने के लिए तैयार नहीं हैं; उन्हें वास्तविक आपदाओं की तेज़-गति वाली, अराजक प्रकृति को समझने के लिए अधिक प्रशिक्षण की आवश्यकता है।

बड़ी तस्वीर: हमें एक बेहतर "मौसम की आँख" की आवश्यकता क्यों है

यह समझने के लिए कि यह शोध पत्र क्यों महत्वपूर्ण है, आइए देखें कि हम आमतौर पर आपदाओं का अध्ययन कैसे करते हैं। वर्तमान में, पृथ्वी के डेटा का विश्लेषण करने वाले अधिकांश कंप्यूटर प्रोग्राम एक तैयार पेंटिंग को देखते हुए कला समीक्षकों की तरह हैं। वे आपदा समाप्त होने तक प्रतीक्षा करते हैं, नुकसान की एक उच्च-गुणवत्ता वाली, विशेषज्ञ-प्रसंस्कृत छवि देखते हैं, और फिर कहते हैं, "आह, हाँ, यह एक बाढ़ थी।" यह इतिहास की किताबों के लिए उपयोगी है, लेकिन आपातकालीन कक्षों के लिए यह बहुत बुरा है। जब एक तूफान बन रहा होता है, तो आपके पास किसी विशेषज्ञ के डेटा को साफ करने और मानचित्र बनाने की प्रतीक्षा करने का समय नहीं होता है। आपको अभी जानने की आवश्यकता है कि तूफान मजबूत हो रहा है या नहीं, वह कहाँ जा रहा है, और वह कितना गंभीर होगा।

यह शोध पत्र एआई के परीक्षण का एक नया तरीका पेश करता है जिसे Obshazard-bench कहा जाता है। इसे एआई के लिए एक "लाइव-फायर" ड्रिल के रूप में सोचें। एआई को एक पॉलिश की हुई फोटो दिखाने के बजाय, शोधकर्ताओं ने इसे उपग्रहों से प्राप्त कच्चा, अनफ़िल्टर्ड डेटा स्ट्रीम दिया। इन उपग्रहों में विशेष सेंसर (जिन्हें AMSU-A, HIRS और MHS नाम दिया गया है) हैं जो डॉक्टर के स्टेथोस्कोप की तरह काम करते हैं, जो आकाश में विभिन्न ऊंचाइयों पर तापमान और आर्द्रता को सुनते हैं। एआई को इस कच्चे "हृदय की धड़कन" को सुनना है और यह समझना है कि क्या गलत है, और वह भी तब जब आपदा घटित हो रही हो।

तीन-चरणीय परीक्षण: पहले, दौरान और बाद में

शोधकर्ताओं ने केवल एआई से एक साधारण प्रश्न नहीं पूछा। उन्होंने एक तीन-भाग वाला परीक्षण डिज़ाइन किया जो यह नकल करता है कि वास्तविक आपातकालीन टीमें कैसे काम करती हैं:

1. प्रेडिक्टिव क्राइसिस एन्टिसिपेशन (भविष्यवाणी संबंधी संकट पूर्वसूचना - क्रिस्टल बॉल): यह "पहले" का चरण है। एआई आपदा शुरू होने से कुछ दिन पहले कच्चे डेटा को देखता है। क्या यह चेतावनी के संकेतों को पहचान सकता है? क्या यह कह सकता है, "हे, 3 दिन में बाढ़ आने वाली है"?
2. एक्टिव इवोल्यूशन रीजनिंग (सक्रिय विकास तर्क - ट्रैकर): यह "दौरान" का चरण है। आपदा अभी हो रही है। एआई को डेटा स्ट्रीम को देखना है और अनुमान लगाना है कि तूफान कब समाप्त होगा या यह कैसे बदल रहा है। यह रोलरकोस्टर की सवारी खत्म होने का अनुमान लगाने जैसा है जब आप अभी भी उस पर सवार हों।
3. मल्टी-फैसेटेड इम्पैक्ट क्वांटिफिकेशन (बहुआयामी प्रभाव परिमाणीकरण - कैलकुलेटर): यह "बाद" का चरण है। एआई को भौतिक डेटा को देखना है और मानवीय लागत का अनुमान लगाना है। कितने लोग अपने घर खो देंगे? कितना पैसा बर्बाद होगा? यह सबसे कठिन हिस्सा है क्योंकि इसके लिए आकाश के ठंडे, कठोर आंकड़ों को मानव जीवन की अव्यवस्थित वास्तविकता से जोड़ने की आवश्यकता होती है।

परिणाम: एआई स्मार्ट है, लेकिन फ्रंट लाइन्स के लिए तैयार नहीं है

जब शोधकर्ताओं ने शीर्ष एआई मॉडलों (जैसे GPT-5.5, Claude Opus और अन्य) को इस परीक्षण के माध्यम से परखा, तो परिणाम मिले-जुले लेकिन वास्तविक दुनिया के आपातकालीन उपयोग के लिए ज्यादातर निराशाजनक थे।

• अच्छी खबर: एआई मॉडल "क्रिस्टल बॉल" चरण में वास्तव में काफी अच्छे थे। वे अक्सर तूफान आने से कुछ दिन पहले कच्चे डेटा को देखकर सही ढंग से अनुमान लगा सकते थे कि एक आपदा आने वाली है। वे विशेष रूप से तूफानों और जंगल की आग को पहचानने में अच्छे थे।
• बुरी खबर: जब "ट्रैकर" चरण की बात आई, तो मॉडल बिखर गए। जब उन्हें यह बताने के लिए कहा गया कि आपदा ठीक कब समाप्त होगी या यह वास्तविक समय में कैसे विकसित हो रही है, तो उनके स्कोर शून्य के करीब गिर गए। ऐसा लग रहा था जैसे वे तूफान को आते देख सकते थे, लेकिन एक बार शुरू होने के बाद, वे इस बात को लेकर भ्रमित हो गए कि यह कितने समय तक रहेगा।

• जटिल हिस्सा: जब "कैलकुलेटर" चरण (मौतों या आर्थिक नुकसान का अनुमान लगाना) की बात आई, तो मॉडल केवल अधिक डेटा देखकर बहुत बेहतर नहीं हुए। इससे पता चलता है कि मानवीय पीड़ा का अनुमान लगाने के लिए, एआई को केवल उपग्रह संख्याओं की आवश्यकता नहीं है; उसे यह समझने की भी आवश्यकता है कि क्षेत्र में कितने लोग रहते हैं या बुनियादी ढांचा कितना खराब है—ऐसी चीजें जो कच्चा उपग्रह डेटा सीधे तौर पर नहीं दिखाता है।

यह भविष्य के लिए क्या मायने रखता है

शोध पत्र निष्कर्ष निकालता है कि हालांकि ये एआई मॉडल प्रभावशाली हैं, लेकिन वे अभी तक शहरों को आपदाओं से बचाने वाले "स्वायत्त नायकों" के रूप में तैयार नहीं हैं। वे वर्तमान में निर्णय-सहायता उपकरण (decision-support tools) के रूप में अधिक उपयुक्त हैं। एक विमान उड़ाने वाले पायलट की कल्पना करें: एआई वह को-पायलट हो सकता है जो कहता है, "हे, आगे एक तूफान है," लेकिन अंतिम निर्णय लेने के लिए मानव पायलट की आवश्यकता अभी भी होती है कि उतरना है या रास्ता बदलना है।

शोधकर्ताओं ने पाया कि एआई का प्रदर्शन इस बात पर निर्भर करता है कि आप उससे प्रश्न कब पूछते हैं। उदाहरण के लिए, तूफान से 3 दिन पहले भविष्यवाणी प्राप्त करना 14 दिन पहले मिलने वाली भविष्यवाणी की तुलना में अक्सर अधिक सटीक था, लेकिन यह हर मॉडल के लिए सच नहीं था। यह हमें बताता है कि हम केवल एक एआई पर सब कुछ करने के लिए भरोसा नहीं कर सकते। इसके बजाय, भविष्य की आपदा प्रणालियों को विशेषज्ञ एआई की एक टीम की आवश्यकता हो सकती है: एक जो प्रारंभिक चेतावनियों के लिए अच्छा है, दूसरा जो घटना को ट्रैक करने में अच्छा है, और तीसरा जो प्रभाव की गणना करने में मदद करता है।

संक्षेप में, Obshazard-bench एक चेतावनी है। यह हमें दिखाता है कि आपदाओं के दौरान जीवन बचाने के लिए एआई का वास्तव में उपयोग करने के लिए, हमें इसे केवल पॉलिश की हुई, आदर्श तस्वीरें खिलाना बंद करना होगा और इसे हमारे ग्रह के कच्चे, अराजक, वास्तविक समय के डेटा को समझना सिखाना शुरू करना होगा। तकनीक वहां पहुँच रही है, लेकिन इससे पहले कि एक एआई विश्वसनीय रूप से हमें बता सके कि बाढ़ कब समाप्त होगी या कितने लोगों को मदद की ज़रूरत है, हमें अभी एक लंबा रास्ता तय करना है।