Google DeepMind опублікував рецензовані результати, які показують, що його модель погоди WeatherNext AI досягає найсучаснішої точності в прогнозуванні тропічних циклонів, виграючи в середньому цілий день або більше передбачуваного часу в порівнянні з провідними оперативними системами прогнозування. Дослідження опубліковане в журналі Nature 6 серпня 2026 року, і разом із публікацією Google розмістить моделі з відкритим кодом.

Прорив стався в момент інтенсифікації [індустрії штучного інтелекту] (https://aibuzzwire.news), де штучний інтелект все частіше використовується для вирішення важливих наукових проблем і проблем громадської безпеки. Згідно з даними, наведеними в повідомленні DeepMind, за останні 50 років тропічні циклони спричинили понад 700 000 смертей і економічних збитків на суму 1,4 трильйона доларів США, завдяки чому навіть незначне збільшення прогнозованого часу вплинуло на евакуацію та реагування на стихійні лиха.

День виконання замовлення в одній системі

Результатом заголовка є час виконання. Щодо циклонів з 2023 по 2025 рік, прогнози WeatherNext щодо маршруту, інтенсивності та структури вітру мають у середньому на день або більше перевагу над провідними оперативними моделями. З практичної точки зору, його триденний прогноз відповідає тому, що попередні системи постачали за два дні. Дослідники описують удосконалення як таке, що можна порівняти з приблизно десятиріччям оперативного метеорологічного прогресу, стисненого в єдину систему ШІ.

У прогнозуванні циклонів, де замовлення на евакуацію, розподіл поставок і оголошення про надзвичайні ситуації залежать від годин, цей запас є найбільш важливим показником. У документі представлено WeatherNext Cyclones, модель AI, яка створює комплексні прогнози траєкторії, інтенсивності та розміру тропічного циклону до 15 днів.

Як працює модель

Навчальні дані поєднували глобальний аналіз атмосфери з базою даних IBTrACS про майже 5000 історичних штормів. Модель використовує функціональні генеративні мережі для створення розподілу ймовірностей, а не одноточкових прогнозів, і масштабується до ансамблів із 1000 учасників — у двадцять разів більше, ніж у попередній системі, коли в 50 членів. Більші ансамблі краще фіксують рідкісні, але серйозні події, такі як швидке посилення, небезпечне явище, коли швидкість штормового вітру раптово зростає.

Одна знахідка виділяється тим, що вона кидає виклик. Висока просторова роздільна здатність давно вважалася ціною точних прогнозів інтенсивності. WeatherNext Cyclones працює на вхідних даних 28 на 28 кілометрів, що приблизно в 100 разів грубіше, ніж традиційні регіональні моделі, а компактний варіант під назвою WeatherNext 2-mini працює на 111 на 111 кілометрів і все ще добре працює. У документі зазначено, що висока роздільна здатність не є суворою передумовою для найсучаснішого прогнозування інтенсивності, і дослідники відзначають як відкрите питання, як модель витягує сигнал інтенсивності з більш грубих даних.

Перевірено під час сезону ураганів 2025 року

Оцінка не була суто ретроспективною. Протягом сезону ураганів в Атлантиці 2025 року модель працювала разом з оперативним процесом Національного центру спостереження за ураганами та допомогла синоптикам передбачити швидке посилення урагану «Мелісса» та прихід до Ямайки завчасно, щоб забезпечити раннє попередження. Верифікаційний звіт NHC за 2025 рік документує прогнозовані результати сезону. Цього року система генерує 1000 можливих сценаріїв для кожного циклону для підтримки прийняття рішень прогнозистами.

Робота була результатом співпраці Google DeepMind і Google Research вчених і оперативних прогнозистів з Національного центру ураганів, Спільного інституту дослідження атмосфери (CIRA) і Метеорологічного бюро Великобританії, деякі з яких є співавторами статті Nature.

Випущено три варіанти з відкритим кодом

Випуск із відкритим кодом охоплює три варіанти моделі:

  • WeatherNext Cyclones — версія, яка діяла протягом сезону ураганів 2025 року і результати якої з’являються в газеті
  • WeatherNext 2 — пізніше оновлення, яке Google запровадив у жовтні 2025 року.
  • WeatherNext 2-mini — компактна версія, яка працює на одному TPU у безкоштовному блокноті Google Colab

Код і ваги для всіх трьох доступні на GitHub. Один 15-денний прогноз займає менше хвилини на одному TPU, тобто обмеженням для впровадження тепер є досвід та інтеграція, а не обчислення.

Прогнози також можна досліджувати в Weather Lab, який Google розширив від відстеження циклонів до повних глобальних прогнозів, що охоплюють температуру, опади та швидкість вітру. І моделі, і Weather Lab входять до складу Google Earth AI, головного зусилля компанії із застосування машинного навчання до кліматичних і геопросторових проблем.

Чому це важливо

Результат підкріплює ширшу тенденцію: моделі погоди на основі ШІ переходять від дослідницьких демонстрацій до оперативних інструментів швидше, ніж очікували багато метеорологів. Відкривши вагові коефіцієнти та опублікувавши їх у провідному журналі, Google позиціонує WeatherNext як довідкову систему, на якій можуть спиратися національні метеорологічні агентства та дослідники з усього світу.

Для громад у схильних до циклонів регіонах додатковий день попередження може бути різницею між упорядкованою евакуацією та хаотичною. Оскільки моделі погоди штучного інтелекту продовжують вдосконалюватися, питання конкуренції зміщується з однієї лише точності на те, хто зможе швидше втілити прогнози в дію.

Будьте попереду ШІ

Щоб дізнатися більше про те, як штучний інтелект змінює науку, інфраструктуру та повсякденне життя, слідкуйте за нашим найважчими новинами про AI. Ми відстежуємо дослідження, компанії та політику, що формує сферу в реальному часі.

Читати більше новин AI →