Google DeepMind научился предсказывать опасные ураганы на сутки раньше: WeatherNext удивил метеорологов
Google DeepMind и Google Research разработали модель искусственного интеллекта WeatherNext, которая в среднем даёт метеорологам примерно на сутки больше точного прогноза развития тропических циклонов по сравнению с существующими моделями. Это означает, что прогноз WeatherNext на 3 суток вперёд в среднем сопоставим по точности с традиционным прогнозом на 2 суток.
Модель уже проверили в оперативной работе метеорологов, а её результаты оказались настолько хорошими, что удивили даже авторов разработки.
Особенно показательной стала история урагана «Мелисса» (Melissa) в октябре 2025 года. За 5 суток до выхода шторма на сушу WeatherNext с вероятностью 80% спрогнозировала, что система направится к Ямайке и усилится до урагана 5-й категории. Впоследствии «Мелисса» действительно обрушилась на Ямайку, вызвав наводнения и оползни. Более ранний прогноз дал властям и службам дополнительное время для подготовки эвакуации, размещения запасов и переброски ресурсов.
Источник: J Marshall / NASA / ESA / T. Pesquet / Alamy
Для тропических циклонов особенно сложно одновременно предсказывать траекторию и интенсивность. Направление движения зависит от процессов на глобальном масштабе — например, положения атмосферных фронтов и преобладающих ветров. А сила урагана определяется гораздо более локальными условиями в атмосфере и океане. Предыдущие ИИ-модели уже показывали хорошие результаты при прогнозировании траектории, но значительно хуже справлялись с интенсивностью.
WeatherNext обучили не только на данных о циклонах, которых относительно мало, но и на гораздо большем массиве обычных метеорологических наблюдений. Такой подход позволил модели одновременно учиться прогнозировать погоду в целом и распознавать развитие тропических циклонов. При этом исследователей особенно удивило другое: WeatherNext использует атмосферные данные сравнительно низкого разрешения, тогда как традиционные модели требуют более детализированной информации для прогнозирования интенсивности ураганов. Это указывает на то, что крупномасштабные данные могут содержать больше информации о будущем усилении циклона, чем считалось ранее, хотя конкретный механизм пока не установлен.
Вместо одного прогноза WeatherNext создаёт множество возможных сценариев развития шторма, учитывая эффект малых начальных различий, которые со временем могут привести к сильно различающимся результатам. В прошлом году модель генерировала по 50 сценариев на один шторм, теперь — до 1 000. По словам специалистов, такое количество вариантов трудно получить с помощью традиционных численных моделей при доступных вычислительных ресурсах.
Перед использованием в оперативных прогнозах WeatherNext проверили на исторических данных, а затем результаты подтвердились во время реальных прогнозов. При этом Национальный центр по наблюдению за ураганами США (National Hurricane Center) подчёркивает, что модель остаётся одним из инструментов метеорологов, а не заменой экспертного прогноза. Google DeepMind также открыла исходные модели WeatherNext, использовавшиеся в сезонных прогнозах ураганов, для исследовательского сообщества. Авторы рассчитывают, что это позволит другим учёным изучить причины высокой точности модели и понять, какие закономерности развития циклонов она извлекает из атмосферных данных.
© iXBT
