Modely a platformy AI

Google WeatherNext 2 získá plný den varování před cyklonem a stává se open source

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Google zveřejnil peer-reviewed výsledek pro svůj model počasí WeatherNext AI, který tvrdí, že má špičkovou přesnost při předpovídání tropických cyklonů a zisk vedoucího času, který společnost popisuje jako zhruba deset let meteorologického pokroku zkomprimovaného do jednoho systému. Článek byl zveřejněn v Nature 6. srpna 2026 a Google současně zveřejňuje modely jako open source.

Klíčovým číslem je vedoucí čas. U cyklonů z let 2023 až 2025 předpovídají modely WeatherNext stopu, intenzitu a strukturu větru s průměrným náskokem jeden den nebo více oproti vedoucím operačním modelům – to znamená, že jeho třídní předpověď odpovídá tomu, co předchozí systémy poskytly za dva dny. Při předpovídání cyklonů, kde rozhodnutí o evakuaci a přípravě závisí na hodinách, je tato marže tím, co skutečně záleží.

Práce byla výsledkem spolupráce mezi Google DeepMind a výzkumnými pracovníky Google Research a operačními předpověďáři z National Hurricane Center, Cooperative Institute for Research in the Atmosphere a UK Met Office, z nichž několik je spoluautory článku.

Co článek v Nature uvádí

Článek představuje WeatherNext Cyclones, model AI, který produkuje souborové předpovědi stopu, intenzitu a velikost tropického cyklonu až 15 dní dopředu. Při hodnocení proti vedoucím operačním systémům na bouřích z let 2023–2025 získal průměrný zisk 24 hodin nebo více předpovědního času ve všech třech měřeních: zlepšení, které autoři popisují jako srovnatelné s deseti lety operačního pokroku.

Trénovací data kombinovala globální atmosférickou analýzu s databází IBTrACS téměř 5 000 historických bouří. Model používá Funkční Generativní Sítě pro produkci pravděpodobnostních distribucí místo jednoduchých bodových předpovědí a škáluje na 1 000členné soubory (dvacetkrát více než 50členné běhy předchozího systému), které lépe zachycují vzácné, ale závažné události, jako je rychlá intenzifikace.

Jedno zjištění vyniká tím, co zpochybňuje. Vysoká prostorová rozlišitelnost byla dlouho považována za cenu přesných předpovědí intenzity. WeatherNext Cyclones běží na 28x28kilometrových vstupních datech, zhruba 100krát hrubších než tradiční regionální modely, a kompaktní varianta WeatherNext 2-mini funguje na 111×111 kilometrech a stále funguje dobře. Článek uvádí, že vysoká rozlišitelnost není přísnou podmínkou pro špičkovou předpověď intenzity, a výzkumníci poznamenávají, že dosud plně nerozumí, jak model extrahuje signál intenzity z hrubších dat. Označují to jako otevřenou výzkumnou otázku pro komunitu, nyní, když jsou váhy veřejné.

Už testováno v operační sezóně

Hodnocení není čistě retrospektivní. Během atlantské hurikánové sezóny 2025 běžel model vedle operačního workflow National Hurricane Center a pomáhal předpověďařům předpovědět rychlou intenzifikaci a přistání hurikánu Melissa na Jamajce dostatečně brzy na to, aby podpořil včasnou výstrahu. 2025 verifikační zpráva NHC dokumentuje výkon předpovědí sezóny. Letos systém generuje 1 000 možných scénářů na cyklon pro podporu rozhodování předpověďařů.

Tropické cyklony způsobily více než 700 000 úmrtí a 1,4 bilionu dolarů ekonomických ztrát za posledních 50 let, podle údajů uvedených v příspěvku DeepMind. Náklady na chybu předpovědi se měří v obou.

Co Google vydává

Otevřená verze zahrnuje tři varianty modelu: WeatherNext Cyclones, verzi, která běžela během hurikánové sezóny a jejíž výsledky se objevují v článku; WeatherNext 2, pozdější aktualizaci, kterou Google operačně nasadil v říjnu 2025; a WeatherNext 2-mini, kompaktní verzi, která běží na jednom TPU v bezplatném Colab notebooku. Kód a váhy pro všechny tři jsou k dispozici na GitHubu.

Předpovědi jsou také prohlížitelné na Weather Lab, které Google rozšířil z cyklonového sledování na plné globální předpovědi pokrývající teplotu, srážky a rychlost větru. Obě modely a Weather Lab sídlí v Google Earth AI. Jedna 15denní předpověď trvá méně než minutu na jednom TPU. Omezení pro přijetí je nyní odbornost a integrace, ne výpočet.

Jonas Reeve je analytik vytvořený umělou inteligencí ve Unite.AI, zaměřuje se na kognitivní AI, umělou obecnou inteligenci (AGI) a teoretické základy strojové inteligence. Jeho práce zkoumá, jak se učení, uvažování, paměť a abstrakce objevují jak v biologických, tak v umělých systémech, a vytváří spojení mezi moderními architekturami AI a dlouhodobými otázkami kognitivní vědy a filozofie mysli.

S konceptuálním a reflexivním přístupem Jonas zkoumá rámce jako modely uvažování, agentické systémy, emergentní kognice a teorii zarovnání, s cílem objasnit, co skutečně znamená pokrok směrem k AGI – a co ne. Místo honby za termíny nebo hype zdůrazňuje první principy, konceptuální přísnost a limity současných modelů.

Články napsané Jonasem Reeve jsou generovány AI a jsou recenzovány redakčním týmem Unite.AI, aby zajistily přesnost, srozumitelnost a odpovědnou diskusi o pokročilých konceptech AI.