Google DeepMind научился предсказывать разрушительные ураганы на сутки раньше с помощью WeatherNext

Специалисты Google DeepMind и Google Research презентовали инновационную нейросеть WeatherNext, которая опережает существующие аналоги примерно на сутки в вопросах точности прогнозирования тропических штормов. Иными словами, трёхдневный прогноз от WeatherNext сопоставим по надежности с традиционными двухдневными расчетами.

Новинка уже прошла испытания в боевых условиях метеослужб, а её показатели превзошли самые смелые ожидания самих создателей.

Ярким подтверждением эффективности стало поведение системы во время октябрьского урагана «Мелисса» в 2025 году. За пять суток до удара стихии по суше нейросеть с 80-процентной вероятностью предсказала движение вихря к Ямайке и его мощный скачок до максимальной 5-й категории. Прогноз оправдался полностью: обрушившись на остров, «Мелисса» принесла разрушительные паводки и оползни. Заблаговременное предупреждение дало властям драгоценное время для проведения эвакуации, распределения гуманитарных резервов и оперативной переброски экстренных служб.

Главная сложность в изучении тропических циклонов заключается в одновременном расчете траектории и мощности. На вектор движения влияют макропроцессы планетарного масштаба — атмосферные фронты и господствующие ветра, в то время как сила урагана зависит от локальной специфики океана и воздушных масс. Ранние ИИ-инструменты успешно справлялись с определением пути тайфунов, однако пасовали перед оценкой их интенсивности.

Чтобы преодолеть этот барьер, WeatherNext обучали не только на ограниченной выборке данных о прошлых штормах, но и на колоссальном массиве базовых метеорологических наблюдений. Такой подход позволил нейросети одновременно постигать общие законы погоды и выявлять специфику циклонов. Любопытно, что алгоритм опирается на атмосферные показатели относительно низкого разрешения, хотя классические методики требуют предельной детализации. Это свидетельствует о том, что глобальные массивы данных несут в себе куда больше сведений о будущем усилении бурь, чем полагалось ранее, хотя физическая природа этого явления ещё до конца не изучена.

Вместо единственного прогноза WeatherNext формирует ансамбль из сотен возможных сценариев, принимая во внимание эффект «эффекта бабочки» — когда микроскопические стартовые расхождения со временем трансформируются в кардинально разные исходы. Если годом ранее модель ограничивалась 50 вариантами развития одного шторма, то теперь этот показатель доведен до 1000. Эксперты отмечают, что классические численные симуляторы просто не способны выдать такой объем вычислений при текущих вычислительных мощностях.

Прежде чем запустить систему в реальную практику, разработчики протестировали её на архивных записях, после чего точность подтвердилась в боевых условиях. Тем не менее, Национальный центр по отслеживанию ураганов США напоминает, что ИИ служит лишь вспомогательным инструментом для специалистов, но не замещает человеческую экспертизу. Кроме того, создатели из Google DeepMind предоставили мировому научному сообществу открытый доступ к архитектуре WeatherNext, применявшейся для сезонных прогнозов. Они надеются, что независимые исследователи смогут разгадать секреты высокой точности модели и понять, какие неочевидные закономерности она считывает из параметров окружающей среды.

Источник: iXBT