Google DeepMind opublikował recenzowane wyniki pokazujące, że model pogody WeatherNext AI osiąga najnowocześniejszą dokładność w przewidywaniu cyklonów tropikalnych, zyskując średnio cały dzień lub więcej czasu realizacji prognoz w porównaniu z wiodącymi systemami prognozowania operacyjnego. Wyniki badania opublikowano w czasopiśmie Nature 6 sierpnia 2026 r., a wraz z publikacją Google udostępnia modele na zasadach open source.
Przełom następuje w momencie intensyfikacji zasięgu branży sztucznej inteligencji, gdzie sztuczna inteligencja jest coraz częściej stosowana do rozwiązywania kluczowych problemów naukowych i związanych z bezpieczeństwem publicznym. Według danych cytowanych w ogłoszeniu DeepMind cyklony tropikalne spowodowały w ciągu ostatnich 50 lat ponad 700 000 ofiar śmiertelnych i straty gospodarcze o wartości 1,4 biliona dolarów, co sprawia, że nawet niewielkie wydłużenie prognozowanego czasu realizacji ma konsekwencje dla ewakuacji i reagowania na klęski żywiołowe.
Dzień czasu realizacji skompresowany w jeden system
Głównym rezultatem jest czas realizacji. W przypadku cyklonów w latach 2023–2025 prognozy WeatherNext dotyczące trasy, intensywności i struktury wiatru zapewniają średnio o jeden dzień lub więcej przewagi nad wiodącymi modelami operacyjnymi. W praktyce trzydniowa prognoza jest zgodna z prognozą, którą poprzednie systemy dostarczały po dwóch dniach. Naukowcy opisują poprawę jako porównywalną z postępem operacyjnym meteorologicznym skompresowanym w jednym systemie sztucznej inteligencji trwającym mniej więcej dziesięć lat.
W prognozowaniu cyklonów, gdzie rozkazy ewakuacji, etapy dostaw i zgłoszenia awaryjne zależą od godzin, ten margines jest najważniejszym miernikiem. W artykule przedstawiono WeatherNext Cyclones, model sztucznej inteligencji, który generuje zbiorcze prognozy dotyczące trasy, intensywności i rozmiaru cyklonu tropikalnego w okresie do 15 dni.
Jak działa model
Dane szkoleniowe łączyły globalną analizę atmosfery z bazą danych IBTrACS zawierającą prawie 5000 historycznych burz. Model wykorzystuje funkcjonalne sieci generatywne do tworzenia rozkładów prawdopodobieństwa, a nie prognoz jednopunktowych, i skaluje się do zespołów liczących 1000 członków — dwadzieścia razy więcej niż w poprzednim systemie obejmującym 50 członków. Większe obserwacje lepiej uchwycą rzadkie, ale mające poważne konsekwencje zdarzenia, takie jak gwałtowne nasilenie się – niebezpieczne zjawisko polegające na nagłym wzroście prędkości wiatru podczas burzy.
Jedno z ustaleń wyróżnia się tym, co stanowi wyzwanie. Wysoka rozdzielczość przestrzenna od dawna jest uważana za cenę dokładnych prognoz intensywności. WeatherNext Cyclones działa na danych wejściowych o wymiarach 28 na 28 km, czyli mniej więcej 100 razy grubszych niż tradycyjne modele regionalne, a kompaktowy wariant o nazwie WeatherNext 2-mini działa przy 111 na 111 km i nadal działa dobrze. W artykule stwierdzono, że wysoka rozdzielczość nie jest ścisłym warunkiem wstępnym najnowocześniejszego prognozowania intensywności, a badacze uznają za otwarte pytanie, w jaki sposób model wyodrębnia sygnał intensywności z grubszych danych.
Testowano w sezonie huraganów 2025
Ocena nie miała wyłącznie charakteru retrospektywnego. W sezonie huraganów na Atlantyku w 2025 r. model działał równolegle z procedurą operacyjną Narodowego Centrum ds. Huraganów i pomógł prognostom przewidzieć szybkie nasilenie się huraganu Melissa i jego wyjście na ląd na Jamajce z wystarczającym wyprzedzeniem, aby umożliwić wczesne ostrzeżenie. Raport weryfikacyjny NHC za rok 2025 dokumentuje prognozę wyników na sezon. W tym roku system generuje 1000 możliwych scenariuszy na cyklon, aby pomóc prognostom w podejmowaniu decyzji.
Prace powstały w wyniku współpracy naukowców z Google DeepMind i Google Research oraz prognostów operacyjnych z National Hurricane Center, Cooperative Institute for Research in the Atmphere (CIRA) i brytyjskiego Met Office, z których kilku jest współautorami artykułu Nature.
Wydano trzy warianty oprogramowania typu open source
Wersja open source obejmuje trzy warianty modelu:
- WeatherNext Cyclones — wersja, która obowiązywała w sezonie huraganów w 2025 r. i której wyniki przedstawiono w artykule
- WeatherNext 2-mini — kompaktowa wersja działająca na pojedynczym TPU w bezpłatnym notatniku Google Colab
Kod i wagi wszystkich trzech są dostępne w GitHub. Pojedyncza prognoza na 15 dni zajmuje mniej niż minutę na jednym TPU, co oznacza, że ograniczeniem w przyjęciu jest teraz wiedza i integracja, a nie obliczenia.
Prognozy można także przeglądać w Laboratorium pogodowym, które Google rozszerzyło ze śledzenia cyklonów do pełnych globalnych prognoz obejmujących temperaturę, opady i prędkość wiatru. Zarówno modele, jak i laboratorium pogodowe znajdują się w ramach Google Earth AI – ogólnego przedsięwzięcia firmy mającego na celu zastosowanie uczenia maszynowego do wyzwań klimatycznych i geoprzestrzennych.
Dlaczego to ma znaczenie
Wynik wzmacnia szerszy trend: modele pogody oparte na sztucznej inteligencji przechodzą od demonstracji badawczych do narzędzi operacyjnych szybciej, niż spodziewało się wielu meteorologów. Udostępniając wagi na zasadach open source i publikując je w czołowym czasopiśmie, Google pozycjonuje WeatherNext jako system referencyjny, na którym mogą bazować krajowe agencje meteorologiczne i badacze na całym świecie.
W przypadku społeczności w regionach narażonych na cyklony dodatkowy dzień ostrzeżenia może zadecydować o ewakuacji uporządkowanej lub chaotycznej. W miarę doskonalenia się modeli pogodowych opartych na sztucznej inteligencji kwestia konkurencyjności przesuwa się z samej dokładności na to, kto najszybciej przełoży prognozy na działania.
Wyprzedź sztuczną inteligencję
Więcej informacji o tym, jak sztuczna inteligencja zmienia naukę, infrastrukturę i życie codzienne, znajdziesz w naszych najnowszych wiadomościach o sztucznej inteligencji. Śledzimy badania, firmy i polityki kształtujące tę dziedzinę w czasie rzeczywistym.
Przeczytaj więcej aktualności o sztucznej inteligencji →
