WeatherNext: ИИ DeepMind совершил прорыв в прогнозировании циклонов

Команда исследователей из DeepMind (подразделение Google) представила новую модель искусственного интеллекта WeatherNext, которая, по их утверждению, способна предсказывать траектории тропических циклонов с точностью, недоступной современным численным методам. Разработка основана на архитектуре графовых нейронных сетей и обучена на многолетних глобальных метеорологических данных. Результаты работы опубликованы в рецензируемом журнале и уже привлекли внимание метеорологического сообщества.

Что произошло

DeepMind официально анонсировала WeatherNext — генеративную ИИ-модель, специализирующуюся на среднесрочном прогнозировании погоды и, в частности, на предсказании путей движения тропических циклонов. В ходе тестирования на исторических данных за последние 10 лет модель показала снижение средней ошибки в определении траектории на 15-20% по сравнению с лучшими ансамблевыми методами Европейского центра среднесрочных прогнозов погоды (ECMWF). При этом WeatherNext способна генерировать прогноз на 10 дней вперед за несколько минут, тогда как традиционным суперкомпьютерам требуются часы.

Почему это важно

Точное прогнозирование циклонов — одна из самых сложных задач в метеорологии, от которой напрямую зависят жизни миллионов людей и экономические потери. Традиционные модели основаны на решении сложных дифференциальных уравнений и требуют огромных вычислительных ресурсов. WeatherNext предлагает принципиально иной подход: модель не решает уравнения физики, а учится предсказывать эволюцию погодных систем на основе анализа огромных массивов данных. Это делает прогнозирование не только более точным, но и значительно более быстрым и доступным для регионов с ограниченными вычислительными мощностями.

Как это работает

В основе WeatherNext лежит графовая нейронная сеть, которая представляет земную поверхность в виде взаимосвязанных узлов (графа). Каждый узел содержит информацию о текущих метеопараметрах: температуре, давлении, влажности, скорости ветра. Модель обучается предсказывать, как эти параметры изменятся в каждом узле через заданные промежутки времени. Ключевое отличие от предыдущих ИИ-моделей (например, GraphCast) — способность генерировать ансамбль вероятностных прогнозов, что критически важно для оценки неопределённости траектории циклона.

Что дальше

DeepMind планирует интегрировать WeatherNext в открытые прогностические сервисы, а также предоставить API для метеорологических служб по всему миру. Однако исследователи признают, что модель пока уступает традиционным методам в прогнозировании редких, экстремальных явлений, таких как внезапная интенсификация ураганов. Следующим шагом станет обучение модели на данных высокого разрешения и включение информации о температуре поверхности океана в реальном времени. Если эти улучшения будут реализованы, ИИ может стать основным инструментом для прогнозирования опасных погодных явлений уже в ближайшие 2–3 года.