天気予報は、短い期間にわたって非常に信頼できるものになっています。今日のモデルは約 2 週間の精度が高く、長期にわたる気候予測も着実に改善されています。しかし、これら 2 つの時間スケールの間には頑固な盲点があります。準季節予報として知られる 2 ～ 6 週間の範囲の予報は、作物を植える時期、水とエネルギーの配分方法、山火事への備えを決定する上でまさに重要な範囲であるにもかかわらず、依然として信頼性が低いままです。

Microsoft Research と外部協力者のネットワークは、さらに別の予測モデルを構築するのではなく、既存のモデルの予測可能な間違いを修正するようにソフトウェアを教えることによって、そのギャップを縮める方法を見つけたと述べています。このアプローチは確率的バイアス補正 (PBC) と呼ばれ、科学雑誌 Nature に掲載された論文で詳しく説明されており、今週公開された Microsoft のブログ投稿でも説明されています。これは、最新の AI 開発 の中で取り上げられる応用 AI 研究の波の中で、静かに実用的なエントリの 1 つです。気象学者に新しいものへの切り替えを求めるのではなく、すでに依存しているシステムをアップグレードするからです。

2 ～ 6 週間の期間が予測を裏切る理由

物理ベースのモデルは科学方程式を使用して大気と海洋をシミュレートしますが、新しい AI モデルは観測された気象データの膨大なアーカイブに基づいてトレーニングします。 Microsoft によると、どちらのファミリーもおよそ 10 日間は良好なパフォーマンスを示します。それを超えると、小さな初期誤差が重なり、大気、海洋、地表の間の複雑な相互作用が両方のアプローチを圧倒します。そのため、2～6週間の見通しが他の予測よりも長い間遅れをとっています。

Microsoft 主導のチームは、競合モデルがひしめき合う分野に参入するのではなく、別の目標、つまりこの範囲内でモデルが犯す系統的で再現性のあるエラーに焦点を当てました。 「当社の新しいパイプライン（PBC）は、お気に入りのモデルを入力として受け取り、どのような方法でエラーが発生しやすいかを学習します。その後、それらのエラーを修正して、季節未満の範囲でより良い生産量予測を生み出します」と同社はブログ投稿で説明した。

既存のモデルの上に軽量レイヤーを追加

技術的には、PBC は軽量の機械学習システムであり、特定のモデルの履歴予測のアーカイブを研究して、どこでどのように体系的に偏っているかを学習します。これらのパターンが学習されると、システムはモデルの確率的出力を調整して補償します。 Nature 論文に記載された評価の中で、Microsoft は、欧州中期天気予報センター (ECMWF) が運用する、世界をリードする運用上のバイアスを緩和した亜季節モデルのパフォーマンスが PBC によって向上したと報告しています。

その結果は、遡及テストだけでなく、実際の競技でも維持されました。 ECMWF は 2025 年 8 月に AI Weather Quest を開始しました。これは、確率論的な季節未満の予測を進歩させるために設計されたリアルタイム コンテストです。 Microsoft の研究者と外部協力者で構成される MicroEnsemble と呼ばれるチームは、業界をリードする ECMWF の動的モデルに PBC を適用した MicroDuet と呼ばれるエントリーで最高の栄誉を獲得しました。

ECMWF の亜季節予報の科学者であるジョシュア・タリブ博士は、「AI Weather Quest は、亜季節予報のための独自のリアルタイム ベンチマーク プラットフォームを提供します。」と述べています。 「Team MicroEnsemble からの寄稿では、機械学習が後処理を通じて従来の動的予測システムのスキルをどのように強化できるかに焦点を当てました。」

東アフリカのベンチマークから現実世界のパイロットへ

この技術はすでにベンチマークを超えつつあります。ケニアでは、国内に2つある雨季のうちの1つが始まる中、予報官らがPBCをテストする準備を進めている。この取り組みには、ケニア気象局 (KMSA) とカリフォルニア大学サンタバーバラ校の気候危険センターの科学者が参加し、AI を活用した天気予報の改善に焦点を当てた非営利団体 Rhiza Research を運営する Genevieve Flaspohler 氏のアドバイスを受けています。

Flaspohler 氏は、予測の価値は、予測に基づいて行動するのに間に合うかどうかに依存すると主張します。 「適切なタイミングで、適切な通信チャネルで配信される適切な天気予報は、農業の成果にとって大きな差別化要因となり得る」と彼女は述べ、東アフリカは記録上最も乾燥した年と史上最も雨の多い年の間を行き来していると指摘した。農場がほとんど灌漑が不足しており、植栽、施肥、種子購入の決定がすべて見通しに基づいて行われている地域では、より巧妙な季節未満の予測は抽象的な改善ではありません。

「私たちは観測史上最も暖かいエルニーニョ現象の真っ只中にいるため、政府や気候科学界ではそれがどのように現れるかについて大きな懸念を抱いている」とフラスポラー氏は述べた。 「堅牢に機能するシンプルな予測手法に対する大きなニーズがあります。」

より大きなモデルの時代における効率に関する議論

AI 研究の中で PBC が注目に値するのは、その経済性です。現場の多くは、ますます大規模なエンドツーエンドの予測モデルのトレーニングに競い合っていますが、PBC は比較的小規模なシステムであり、そのスキルのほとんどを修正する運用モデルから借りています。これにより、気象機関は既存のインフラを維持し、補正レイヤーを追加するだけで済むため、運用コストが安くなり、導入が容易になります。

また、応用機械学習におけるより広範なパターンも反映しています。後処理とキャリブレーションにより、モデル全体の再作業が必要になるような効果が得られることがよくあります。限られた予算をどこに使うかを検討する気象サービスにとって、最も困難な予測範囲を明らかに改善する方法（Nature と ECMWF のライブ競技会の両方で検証済み）が注目を集める可能性があります。

季節限定 AI の次に来るもの

Microsoftのブログ投稿は実用的な製品を発表するまでには至っておらず、同社はPBCが商用予測製品に統合されるかどうかについては明らかにしていない。短期的な試金石は、国の気象サービスがサブ季節の見通しに PBC のようなバイアス補正レイヤーを採用し始めるかどうか、そしてそのアプローチが現在実用化されている AI 予測モデルとうまく適合するかどうかです。

そうなれば、農家、送電網運営者、災害計画担当者が歴史的に最も協力する必要がなかった2～6週間の期間がついに埋まり始めるかもしれない。何十年もかけてスキルのわずかな向上を追い求めてきたこの分野にとって、小さな機械学習システムで巨大な物理モデルの系統的エラーを一掃できるようにすることは、一種の実用的な進歩である。

---

AI の先を行く

最新の AI ニュース、分析、画期的な情報をすべて 1 か所で入手できます。

AI ニュースをもっと読む→