WeatherNext Cyclones: Hur AI precis gav prognosmakare ett helt extra dygn att varna utsatta samhällen

Vad WeatherNext Cyclones gör annorlunda

Traditionell cyklonprognos har länge brottats med en avvägning: globala modeller är bra på att förutsäga en storms bana (vart den är på väg) men har svårt med intensitet och vindstruktur, medan högupplösta regionala modeller fångar intensiteten men tappar helhetsbilden. WeatherNext Cyclones är en enda AI-modell som förutsäger alla tre – bana, intensitet och vindstruktur – samtidigt och uppnår toppmodern noggrannhet på varje parameter .

Modellen tränades på årtionden av globala atmosfärsdata tillsammans med en kurerad databas på nästan 5 000 historiska tropiska cykloner . Den kan generera 1 000 probabilistiska stormscenarier på under en minut per körning på en enda TPU-enhet, vilket ger prognosmakare ett ensemble av möjliga utfall snarare än en enda deterministisk förutsägelse .

Förbättringen i noggrannhet: Ett helt extra dygn

Huvudresultatet är konkret och mätbart. Enligt Nature-artikeln är WeatherNext Cyclones tre dygns prognoser lika träffsäkra som vad tidigare ledande modeller bara kunde prestera på två dygn . I genomsnitt innebär det ungefär 24 timmars extra framförhållning för prognosmakare att varna samhällen i en cyklons väg .

Förbättringen validerades mot tropiska cykloner från 2023 till och med 2025. I det datasetet överträffade WeatherNext ledande operativa modeller – inklusive ECMWF-ENS och HWRF – i mått som bana, intensitet och vindstruktur . Google DeepMind beskriver vinsten som motsvarande ungefär ett decenniums typiska meteorologiska framsteg .

Verklig validering: Orkanen Melissa (2025)

WeatherNext Cyclones förblev inte bara ett forskningsprojekt. Modellen kördes operativt under den atlantiska orkansäsongen 2025, där den levererade sin mest dramatiska verkliga validering .

I maj 2025 gav modellen en dokumenterad realtidsförutsägelse av orkanen Melissas snabba intensifiering. Med start från kategori 1-vindhastigheter förutspådde WeatherNext korrekt att stormen skulle nå kategori 5-styrka – ett språng som fångade prognosmakarnas uppmärksamhet vid National Hurricane Center (NHC) .

Avgörande nog använde NHC WeatherNexts förutsägelser för att utfärda varningar för orkanen Melissas landning i Jamaica fem dygn i förväg. Enligt Google DeepMind var detta första gången NHC-prognosmakare förutspådde att en storm skulle nå kategori 5-intensitet med start från kategori 1-vindar, och den extra framförhållningen bidrog till att rädda liv . Modellens förutsägelser kom med 80 % säkerhet, vilket gav beslutsfattare den tilltro de behövde för att agera .

Vad möjliggör detta: Det tekniska språnget

WeatherNext Cyclones bygger på den bredare WeatherNext 2-arkitekturen, som Google DeepMind introducerade i november 2025 . WeatherNext 2 genererar prognoser 8 gånger snabbare än tidigare system och med upplösning ner till 1-timmarsintervall . Men den cyklonspecifika modellen krävde att man löste ett svårare problem: hur man gör noggranna förutsägelser med relativt grova globala atmosfärsdata snarare än högupplösta regionala rutnät.

Enligt Nature-artikeln utmanar WeatherNext Cyclones det länge hållna antagandet att noggrann cyklonprognos kräver högupplöst data. Genom att träna på globala atmosfärsförhållanden uppnår modellen toppmodern noggrannhet utan den beräkningsmässiga kostnaden för traditionella högupplösta modeller . Detta är en viktig anledning till att modellen kan köras tillräckligt snabbt för att vara användbar i realtidsoperationer.

Öppen källkod: Gör tekniken tillgänglig

Till skillnad från många AI-genombrott som förblir inlåsta i företags forskningslabb har Google DeepMind släppt WeatherNext Cyclones, WeatherNext 2 och WeatherNext 2-mini som modeller med öppen källkod .

Koden och modellvikterna finns tillgängliga på GitHub under kommersiellt användbara licenser . Det innebär att nationella vädertjänster i utvecklingsländer – som kanske inte har budget för proprietära prognossystem – kan ladda ner, köra och anpassa modellerna för sina lokala behov . Den kompakta WeatherNext 2-mini-varianten är utformad för att vara körbar i en Colab-anteckningsbok, vilket gör den tillgänglig även för forskare med begränsade beräkningsresurser .

Vad detta innebär för framtiden för cyklonprognoser

Den praktiska effekten av ett extra dygns varsel är svår att överskatta. Varje extra timme framförhållning ger räddningstjänsten möjlighet att beordra evakueringar, förpositionera förnödenheter och utfärda riktade varningar till utsatta befolkningar. I en värld där klimatförändringarna gör tropiska cykloner mer intensiva och svårare att förutsäga, är en AI-modell som kan leverera ett decenniums framsteg i en enda lansering – och som är fritt tillgänglig för alla att använda – ett betydande steg framåt för global klimatanpassning.