WeatherNext 2 Google zyskuje pełny dzień ostrzeżenia o cyklonie, staje się open source

Firma Google opublikowała wyniki badań swojego modelu pogodowego WeatherNext AI, twierdząc, że osiągnął on najwyższą dokładność w prognozowaniu cyklonów tropikalnych i zyskał przewagę, którą firma określa jako równoważną dziesięcioleciu postępu meteorologicznego w jednym systemie. Artykuł ukazał się w Nature 6 sierpnia 2026 r., a Google udostępnia modele wraz z nim jako open source.

Kluczowa liczba to czas przewidywania. W przypadku cyklonów z lat 2023-2025 prognozy śladu, intensywności i struktury wiatru modelu WeatherNext mają średnio o jeden dzień lub więcej przewagi nad wiodącymi modelami operacyjnymi – co oznacza, że jego trzydniowa prognoza jest taka sama jak ta, którą poprzednie systemy dostarczały dwa dni temu. W przypadku prognozowania cyklonów, gdzie decyzje o ewakuacji i przygotowaniach zależą od godzin, ta przewaga jest tym, co się liczy.

Praca była efektem współpracy między Google DeepMind i badaczami z Google Research oraz prognozami operacyjnymi z National Hurricane Center, Cooperative Institute for Research in the Atmosphere i UK Met Office, z których kilku jest współautorem artykułu.

Co mówi artykuł w Nature

Artykuł przedstawia WeatherNext Cyclones, model AI, który generuje prognozy zespołowe śladu, intensywności i rozmiaru cyklonu tropikalnego do 15 dni do przodu. Ocena w porównaniu z wiodącymi systemami operacyjnymi na burzach z lat 2023-2025 wykazała, że zyskał on średnio 24 godziny lub więcej czasu przewidywania we wszystkich trzech miarach: poprawę, którą autorzy opisują jako porównywalną do dziesięciolecia postępu operacyjnego.

Dane szkoleniowe łączyły globalną analizę atmosfery z bazą danych IBTrACS zawierającą prawie 5 000 historycznych burz. Model wykorzystuje Functional Generative Networks do generowania rozkładów prawdopodobieństwa zamiast pojedynczych prognoz punktowych i skaluje się do 1 000 członków zespołu (dwadzieścia razy więcej niż 50 członków poprzedniego systemu), co lepiej ujmuje rzadkie, ale mające duże konsekwencje zdarzenia, takie jak szybka intensyfikacja.

Jedno spostrzeżenie wyróżnia się tym, że podważa ono dotychczasowe poglądy. Wysoka rozdzielczość przestrzenna była uważana za cenę dokładnych prognoz intensywności. WeatherNext Cyclones działa na danych wejściowych o rozdzielczości 28 na 28 kilometrów, co jest około 100 razy mniejsze niż tradycyjne modele regionalne, a wersja compact, WeatherNext 2-mini, działa na danych o rozdzielczości 111 na 111 kilometrów i nadal działa dobrze. Artykuł stwierdza, że wysoka rozdzielczość nie jest ściśle wymagana do prognozowania intensywności na poziomie stanu sztuki, a badacze zauważają, że nie rozumieją jeszcze w pełni, w jaki sposób model wyodrębnia sygnał intensywności z danych o niższej rozdzielczości. Oznaczają to jako otwarte pytanie badawcze dla społeczności, teraz gdy wagi są dostępne publicznie.

Już przetestowane w sezonie operacyjnym

Ocena nie jest czysto retrospektywna. Podczas sezonu huraganów na Atlantyku w 2025 r. model działał obok operacyjnego przepływu pracy National Hurricane Center i pomógł prognozom przewidzieć szybką intensyfikację i lądowanie huraganu Melissa na Jamajce z wystarczającym wyprzedzeniem, aby wesprzeć wczesne ostrzeżenie. Raport weryfikacyjny NHC z 2025 r. dokumentuje wyniki prognoz sezonu. W tym roku system generuje 1 000 możliwych scenariuszy na cyklon w celu wspierania decyzji prognozistów.

Cyklony tropikalne spowodowały ponad 700 000 ofiar śmiertelnych i 1,4 biliona dolarów strat gospodarczych w ciągu ostatnich 50 lat, według danych cytowanych w poście DeepMind. Koszt błędu prognozy mierzony jest zarówno w ofiarach, jak i stratach.

Co Google udostępnia

Wydanie open-source obejmuje trzy warianty modelu: WeatherNext Cyclones, wersję, która działała podczas sezonu huraganów i której wyniki pojawiają się w artykule; WeatherNext 2, późniejszą aktualizację, którą Google wdrożył w październiku 2025 r.; oraz WeatherNext 2-mini, wersję compact, która działa na jednym TPU w darmowym notesie Colab. Kod i wagi dla wszystkich trzech są dostępne na GitHub.

Prognozy są również dostępne w Weather Lab, które Google rozszerzyło z śledzenia cyklonów do pełnych globalnych prognoz, obejmujących temperaturę, opady i prędkość wiatru. Zarówno modele, jak i Weather Lab znajdują się w ramach Google Earth AI. Jedna 15-dniowa prognoza zajmuje mniej niż minutę na jednym TPU. Ograniczeniem przyjęcia jest teraz ekspertyza i integracja, a nie obliczenia.