Sztuczna inteligencja Google DeepMind właśnie dała meteorologom cały dodatkowy dzień na ostrzeżenie przed cyklonem

Czym WeatherNext Cyclones różni się od innych modeli

Tradycyjne prognozowanie cyklonów od dawna borykało się z kompromisem: globalne modele dobrze przewidują trasę cyklonu (dokąd zmierza), ale mają trudności z przewidywaniem intensywności i struktury wiatru, podczas gdy wysokorozdzielcze modele regionalne dobrze oddają intensywność, ale tracą szerszy obraz. WeatherNext Cyclones to pojedynczy model AI, który przewiduje wszystkie trzy parametry — trasę, intensywność i strukturę wiatru — jednocześnie, osiągając najwyższą dokładność w każdym z tych pomiarów .

Model został wytrenowany na dziesięcioleciach globalnych danych atmosferycznych oraz na数据库 zawierającej prawie 5000 historycznych cyklonów tropikalnych . Potrafi wygenerować 1000 probabilistycznych scenariuszy sztormu w mniej niż minutę na pojedynczym układzie TPU, dając prognostykom zestaw możliwych wyników zamiast pojedynczej deterministycznej prognozy .

Poprawa dokładności: dodatkowa doba czasu ostrzeżenia

Najważniejszy wynik jest konkretny i mierzalny. Zgodnie z artykułem w Nature, trzydniowe prognozy WeatherNext Cyclones są tak dokładne, jak prognozy, które dotychczasowe wiodące modele mogły dostarczyć dopiero po dwóch dniach . Średnio przekłada się to na około 24 godziny dodatkowego czasu ostrzeżenia dla społeczności znajdujących się na trasie cyklonu .

Poprawa została potwierdzona na danych cyklonów tropikalnych z lat 2023–2025. W tym zestawie danych WeatherNext przewyższył wiodące modele operacyjne — w tym ECMWF-ENS i HWRF — w zakresie prognoz trasy, intensywności i struktury wiatru . Google DeepMind określa ten postęp jako równowartość mniej więcej dekady typowej poprawy prognoz meteorologicznych .

Walidacja w rzeczywistych warunkach: huragan Melissa (2025)

WeatherNext Cyclones nie był tylko projektem badawczym. Działał operacyjnie podczas sezonu huraganów na Atlantyku w 2025 roku, gdzie przyniósł najbardziej spektakularną walidację w rzeczywistych warunkach .

W maju 2025 roku model dostarczył udokumentowaną prognozę w czasie rzeczywistym gwałtownego wzmocnienia huraganu Melissa. Począwszy od prędkości wiatru kategorii 1, WeatherNext dokładnie przewidział, że sztorm osiągnie siłę kategorii 5 — skok, który zwrócił uwagę prognostyków z amerykańskiego Narodowego Centrum Huraganów (NHC) .

Co kluczowe, NHC wykorzystał prognozy WeatherNext do wydania ostrzeżeń o lądowaniu huraganu Melissa na Jamajce z pięciodniowym wyprzedzeniem. Według Google DeepMind był to pierwszy przypadek, gdy prognostycy NHC przewidzieli, że sztorm osiągnie siłę kategorii 5, zaczynając od wiatrów kategorii 1, a dodatkowy czas ostrzeżenia pomógł uratować życie . Prognozy modelu cechowały się 80-procentową wiarygodnością, dając decydentom pewność potrzebną do działania .

Co umożliwia ten przełom: techniczny skok naprzód

WeatherNext Cyclones opiera się na szerszej architekturze WeatherNext 2, którą Google DeepMind wprowadził w listopadzie 2025 roku . WeatherNext 2 generuje prognozy 8 razy szybciej niż poprzednie systemy i w rozdzielczości do interwałów co 1 godzinę . Jednak model specyficzny dla cyklonów wymagał rozwiązania trudniejszego problemu: jak dokonywać dokładnych prognoz przy użyciu stosunkowo grubych globalnych danych atmosferycznych, zamiast wysokorozdzielczych siatek regionalnych.

Zgodnie z artykułem w Nature, WeatherNext Cyclones podważa długo utrzymywane założenie, że dokładne prognozowanie cyklonów wymaga danych o wysokiej rozdzielczości. Trenując na globalnych warunkach atmosferycznych, model osiąga najwyższą dokładność bez kosztów obliczeniowych tradycyjnych modeli wysokiej rozdzielczości . To kluczowy powód, dla którego model może działać wystarczająco szybko, aby być użytecznym w operacjach czasu rzeczywistego.

Open source: udostępnienie technologii wszystkim

W przeciwieństwie do wielu przełomów AI, które pozostają zamknięte w korporacyjnych laboratoriach badawczych, Google DeepMind udostępnił WeatherNext Cyclones, WeatherNext 2 i WeatherNext 2-mini jako modele open source .

Kod i wagi modeli są dostępne na GitHub na licencjach dopuszczających użytek komercyjny . Oznacza to, że krajowe agencje meteorologiczne w krajach rozwijających się — które mogą nie mieć budżetu na własnościowe systemy prognozowania — mogą pobrać, uruchomić i dostosować modele do swoich lokalnych potrzeb . Kompaktowy wariant WeatherNext 2-mini został zaprojektowany tak, aby można go było uruchomić w notatniku Colab, co czyni go dostępnym nawet dla naukowców z ograniczonymi zasobami obliczeniowymi .

Co to oznacza dla przyszłości prognozowania cyklonów

Praktycznego wpływu dodatkowej doby ostrzeżenia nie sposób przecenić. Każda dodatkowa godzina czasu pozwala służbom zarządzania kryzysowego zarządzić ewakuację, przygotować zapasy i wydać ukierunkowane ostrzeżenia dla zagrożonej ludności. W świecie, w którym zmiany klimatu sprawiają, że cyklony tropikalne stają się coraz intensywniejsze i trudniejsze do przewidzenia, posiadanie modelu AI, który może dostarczyć dekadę postępu w jednym momencie — i który jest swobodnie dostępny dla każdego — jest znaczącym krokiem naprzód w globalnej odporności klimatycznej.