Специалисты из Google DeepMind и Google Research создали систему искусственного интеллекта под названием WeatherNext. Она позволяет метеорологам получать более точные прогнозы развития тропических циклонов примерно на один день дольше, чем это делают существующие инструменты. Таким образом, точность прогноза WeatherNext на три дня вперёд приблизительно соответствует качеству обычного двухдневного прогноза.

Проверка модели в реальной работе метеорологов продемонстрировала столь впечатляющие результаты, что они стали неожиданностью даже для разработчиков.

Ярким примером является случай урагана «Мелисса» (Melissa) в октябре 2025 года. За пять дней до выхода шторма на берег WeatherNext с вероятностью восемьдесят процентов предсказала, что циклоническая система пойдёт к Ямайке и достигнет категории урагана номер пять. Действительно, «Мелисса» обрушилась на остров, вызвав затопления и оползни. Благодаря более раннему предупреждению власти и спасательные службы получили дополнительное время для подготовки к эвакуации населения, организации складов с необходимыми припасами и передислокации ресурсов.

Прогнозирование траектории и силы тропических циклонов одновременно представляет собой сложную задачу. Направление движения зависит от глобальных процессов, таких как расположение атмосферных фронтов и преобладающие ветры. Интенсивность же урагана определяется локальными условиями в атмосфере и океане. Ранее разработанные модели искусственного интеллекта успешно справлялись с прогнозированием траектории, однако испытывали трудности при оценке интенсивности.

Обучение WeatherNext включало не только ограниченный объем информации о тропических циклонах, но и значительно больший массив стандартных метеорологических записей. Данная стратегия дала возможность модели одновременно совершенствоваться в предсказании общей картины погоды и определять формирование ураганов. При этом ученых поразило то, что WeatherNext использует данные атмосферы с относительно невысоким разрешением, тогда как обычные системы нуждаются в более подробных сведениях для оценки силы штормов. Это говорит о том, что общие характеристики могут содержать больше информации о потенциальном усилении циклона, чем предполагалось ранее, хотя точный принцип действия пока неизвестен.

Вместо единичного предсказания WeatherNext формирует широкий спектр вероятных траекторий развития шторма, принимая во внимание влияние незначительных начальных отклонений, которые со временем могут привести к существенно различающимся исходам. В прошлом году модель генерировала 50 вариантов на каждый шторм, в настоящее время – до тысячи. Специалисты утверждают, что создание такого количества альтернатив затруднительно с использованием классических численных методов из-за ограничений вычислительных мощностей.

Прежде чем начать использовать WeatherNext для практического прогнозирования, она была протестирована на исторических данных и затем ее эффективность подтвердилась в реальных условиях. При этом Национальный центр по мониторингу ураганов США акцентирует внимание на том, что модель является лишь одним из инструментов метеорологов и не заменяет профессиональный прогноз. Google DeepMind также предоставила открытый доступ к исходному коду WeatherNext, который применялся для сезонных прогнозов циклонов, исследовательскому сообществу. Разработчики надеются, что это позволит другим ученым исследовать факторы высокой точности модели и определить закономерности развития ураганов, которые она выявляет из атмосферной информации.