WeatherNext AI giver varslere et helt døgns ekstra tid: Googles DeepMind-model slår et årtis meteorologiske fremskridt på én gang – og offentliggør koden

Hvad gør WeatherNext Cyclones anderledes?

Traditionel cyklonvarsling har længe været præget af et kompromis: Globale modeller er gode til at forudsige en storms bane (hvor den bevæger sig hen), men har svært ved intensitet og vindstruktur, mens højopløselige regionale modeller fanger intensiteten, men mister overblikket. WeatherNext Cyclones er én enkelt AI-model, der forudsiger alle tre – bane, intensitet og vindstruktur – samtidigt og opnår state-of-the-art-nøjagtighed på hver metrik .

Modellen er trænet på årtiers globale atmosfæriske data sammen med en kurateret database over næsten 5.000 historiske tropiske cykloner . Den kan generere 1.000 probabilistiske stormscenarier på under et minut pr. kørsel på en enkelt TPU, hvilket giver varslere en samling af mulige udfald frem for en enkelt deterministisk forudsigelse .

Nøjagtighedsforbedringen: Én hel dags ekstra varslingstid

Hovedresultatet er konkret og målbart. Ifølge Nature-artiklen er WeatherNext Cyclones' tre-dages prognoser lige så præcise, som hvad tidligere førende modeller kun kunne levere efter to dage . I gennemsnit giver det varslere omkring 24 timers ekstra tid til at advare samfund, der ligger i cyklonens bane .

Forbedringen er valideret mod tropiske cykloner fra 2023 til 2025. På tværs af dette datasæt overgik WeatherNext førende operationelle modeller – herunder ECMWF-ENS og HWRF – på mål for bane, intensitet og vindstruktur . Google DeepMind beskriver forbedringen som svarende til omtrent et årtis typisk meteorologisk fremskridt .

Real-world-validering: Orkanen Melissa (2025)

WeatherNext Cyclones var ikke kun et forskningsprojekt. Den kørte operationelt under den atlantiske orkansæson 2025, hvor den leverede sin mest dramatiske real-world-validering .

I maj 2025 leverede modellen en dokumenteret realtidsforudsigelse af orkanen Melissas hurtige intensivering. Startende fra vindhastigheder svarende til kategori 1 forudsagde WeatherNext præcist, at stormen ville nå kategori 5-intensitet – et spring, der vakte opsigt hos varslerne ved National Hurricane Center (NHC) .

Afgørende var det, at NHC brugte WeatherNext's forudsigelser til at udsende advarsler om orkanen Melissas landgang i Jamaica fem dage i forvejen. Ifølge Google DeepMind var det første gang, NHC-varslere forudsagde, at en storm ville nå kategori 5-intensitet fra kategori 1-vindhastigheder, og den ekstra varslingstid var med til at redde liv . Modellens forudsigelser kom med 80% sikkerhed, hvilket gav beslutningstagere den nødvendige tillid til at handle .

Hvad gør dette muligt: Det tekniske spring

WeatherNext Cyclones bygger på den bredere WeatherNext 2-arkitektur, som Google DeepMind introducerede i november 2025 . WeatherNext 2 genererer prognoser 8 gange hurtigere end tidligere systemer og med en opløsning ned til en-time-intervaller . Men den cyklonspecifikke model krævede at løse et sværere problem: Hvordan man laver nøjagtige forudsigelser ved hjælp af relativt grove globale atmosfæriske data frem for højopløselige regionale gitter.

Ifølge Nature-artiklen udfordrer WeatherNext Cyclones den længe antagede opfattelse, at nøjagtig cyklonvarsling kræver højopløselige data. Ved at træne på globale atmosfæriske forhold opnår modellen state-of-the-art-nøjagtighed uden den beregningsmæssige omkostning ved traditionelle højopløsningsmodeller . Dette er en central grund til, at modellen kan køre hurtigt nok til at være nyttig i realtidsoperationer.

Open source: Gør teknologien tilgængelig

I modsætning til mange AI-gennembrud, der forbliver låst inde i virksomheders forskningslaboratorier, har Google DeepMind frigivet WeatherNext Cyclones, WeatherNext 2 og WeatherNext 2-mini som open-source-modeller .

Koden og modelvægtene er tilgængelige på GitHub under kommercielt brugbare licenser . Det betyder, at nationale meteorologiske institutter i udviklingslande – som måske ikke har budget til proprietære varslingssystemer – kan downloade, køre og tilpasse modellerne til deres lokale behov . Den kompakte WeatherNext 2-mini-variant er designet til at kunne køres i en Colab-notebook, hvilket gør den tilgængelig selv for forskere med begrænsede beregningsressourcer .

Hvad dette betyder for fremtiden for cyklonvarsling

Den praktiske betydning af en ekstra dags varsling kan næppe overvurderes. Hver ekstra time giver beredskabsledere mulighed for at iværksætte evakueringer, forhåndsplacere forsyninger og udsende målrettede advarsler til sårbare befolkningsgrupper. I en verden hvor klimaforandringer gør tropiske cykloner mere intense og sværere at forudsige, er en AI-model, der kan levere et årtis fremskridt i én udgivelse – og som er frit tilgængelig for alle – et betydeligt skridt fremad for global klimaresiliens.