W październiku 2025 roku nad Morzem Karaibskim zbierała się burza, a modele pogodowe nie mogły się zgodzić. Czy wygaśnie nad Haiti, czy zamieni się w potwora i ruszy na Jamajkę? Wkracza WeatherNext, model AI od Google DeepMind, który z pewnością siebie przewidział to drugie - pięć dni przed lądowaniem, z 80-procentową pewnością stwierdził, że burza uderzy w Jamajkę jako huragan kategorii 5.

Huragan Melissa zrobił dokładnie to, siejąc spustoszenie powodzią i osuwiskami na Jamajce. Ale dzięki wczesnemu ostrzeżeniu AI, społeczności miały więcej czasu na przygotowania. Według artykułu opublikowanego w czwartek w Nature, WeatherNext daje prognostom średnio jeden dodatkowy dzień czasu ostrzeżenia - jego trzydniowe prognozy są tak dokładne, jak wcześniejsze prognozy dwudniowe. Jak ujął to Mike Brennan, dyrektor amerykańskiego Narodowego Centrum Huraganów, "czas jest naprawdę złotem". Rzeczywiście, gdy przygotowujesz zapasy i ewakuujesz ludzi, dodatkowy dzień to praktycznie luksus.

Historycznie, zyskanie dnia dokładności prognoz zajmowało dekadę pracy. Więc jaki jest sekret? Wytrenowanie AI na dużej ilości danych pogodowych, nawet jeśli danych o cyklonach jest mało. Jak wyjaśnia Ferran Alet, naukowiec badawczy w DeepMind, "Nie mamy aż tyle danych o cyklonach, ale mamy dużo danych pogodowych." Więc wytrenowali model, aby był dobry w obu.

Huragany są podstępne, ponieważ działają na wielu skalach - przewidywanie toru wymaga danych globalnych, a intensywność - lokalnych szczegółów. Wcześniejsze modele AI potrafiły trafić w tor, ale myliły się co do intensywności. WeatherNext jednak robi obie rzeczy i nawet zaskoczył badaczy. "Myślę, że wszyscy byli zaskoczeni, jak dobrze sobie radzi" - mówi Kate Musgrave, współautorka i kierowniczka ds. cyklonów tropikalnych. Model był tak dobry w testach retrospektywnych, że byli sceptyczni, czy zadziała w czasie rzeczywistym. Zadziałał.

I tu jest haczyk: AI używa danych o niższej rozdzielczości niż tradycyjne modele, a mimo to doskonale sobie radzi. To zastanowiło naukowców, ponieważ sugeruje, że dane o niższej rozdzielczości zawierają więcej sygnału, niż wcześniej sądzono. Alet przyznaje: "To czarna skrzynka, koniec końców", ale może to wskazywać na fizykę, której jeszcze nie rozumiemy.

Model generuje również zakres scenariuszy - w zeszłym roku 50 na burzę; teraz 1000 - aby uchwycić potencjalne efekty motyla. To coś, czego tradycyjne modele nie mogą zrobić przy obecnej mocy obliczeniowej. Brennan jednak ostrzega, że WeatherNext to tylko jedno narzędzie, a ludzka wiedza pozostaje kluczowa. W końcu "to skutki zabijają ludzi", a nie tylko prognoza.

DeepMind udostępnia modele jako open-source, mając nadzieję, że badacze odkryją nowe spostrzeżenia. Alet jest podekscytowany: "Myślę, że AI daje nam nowe narzędzia do badania praw wszechświata." I może, tylko może, trzymać nas o krok przed kolejnym kaprysem pogody.