Тропические циклоны — ураганы и тайфуны — за полвека унесли больше 700 тысяч жизней и обошлись миру в 1,4 триллиона долларов ущерба. Каждый лишний час предупреждения даёт синоптикам время на эвакуацию и подготовку инфраструктуры. 6 августа Google DeepMind показала, что её модель WeatherNext сдвинула этот запас времени на целые сутки.
Мелисса стала первой проверкой
Систему уже проверили не в лаборатории, а на реальном шторме. Во время сезона ураганов 2025 года WeatherNext помогла Национальному центру ураганов США (NHC) спрогнозировать резкое усиление и выход на сушу урагана «Мелисса» на Ямайке. Модель предсказала стремительный набор силы заранее, и это дало наземным службам критически важное время на подготовку.
Плюс сутки — это десятилетие прогресса
По заявлению DeepMind, трёхдневный прогноз WeatherNext Cyclones по траектории, интенсивности и структуре ветра сравним по точности с прежним двухдневным прогнозом лучших моделей. На исторических циклонах 2023–2024 годов система стабильно опережала конкурентов больше чем на сутки по всем трём метрикам, а по темпам улучшения точности за последние двадцать лет такой скачок соответствует примерно десятилетию обычного прогресса метеорологии.
Прежде точный прогноз циклона требовал двух разных подходов: траекторию считали глобальные модели атмосферы, а интенсивность — узкоспециализированные локальные модели высокого разрешения. WeatherNext объединяет оба показателя в одной модели, обученной на почти 20 терабайтах данных об атмосфере и архиве IBTrACS с историей почти 5000 штормов.
Тысяча сценариев вместо пятидесяти
Модель строит не единственный прогноз, а вероятностный веер траекторий — с помощью техники Functional Generative Networks она выдаёт целый ансамбль возможных сценариев развития циклона. Год назад ансамбль состоял из 50 прогонов, как у классических физических моделей. Сейчас — из тысячи, что позволяет ловить редкие, но опасные сценарии вроде резкого усиления шторма, как это произошло с «Мелиссой». Полный 15-дневный прогноз WeatherNext считает меньше чем за минуту на одном тензорном процессоре TPU.
Разрешение оказалось неожиданно низким
WeatherNext Cyclones работает с ячейкой 28 на 28 километров — примерно в сто раз грубее, чем у традиционных моделей интенсивности, для которых высокое разрешение долго считалось обязательным условием точности. Есть и компактная версия, WeatherNext 2-mini: она работает с ещё более грубой сеткой в 111 километров и всё равно показывает хороший результат. В DeepMind признают: почему модель настолько точна при таком грубом разрешении, пока не до конца понятно даже самим авторам — это открытый исследовательский вопрос.
Код и веса выложили в открытый доступ
Вместе с публикацией в Nature компания открыла код и веса WeatherNext 2 и WeatherNext Cyclones на GitHub — бесплатно, для академических исследований, локализованных моделей и оперативного прогнозирования. Компактную версию WeatherNext 2-mini можно запустить прямо в бесплатном блокноте Colab на одном ускорителе, без доступа к дата-центру. Обновлённый интерфейс Weather Lab показывает не только траектории циклонов, но и глобальные прогнозы температуры, осадков и ветра в одном окне.
Кому пригодится открытая модель
Открытый код адресован не только метеорологам из больших агентств. Им уже интересуются исследовательские группы без доступа к суперкомпьютерам, локальные синоптические службы развивающихся стран и команды, которые прогнозируют выработку возобновляемой энергии по погодным данным. Для разработчиков, которые пробуют строить прикладные ИИ-инструменты поверх открытых весов, WeatherNext — редкий пример модели такого масштаба, которую можно запустить на одном ускорителе, а не на кластере.
Следующая проверка — сезон ураганов впереди
DeepMind описывает результат как прорыв, но настоящая проверка любой прогнозной модели — не бенчмарк на исторических данных, а живой шторм, который ведёт себя не по сценарию. Партнёрство с NHC, CIRA и метеослужбой Великобритании продолжается, и следующий сезон ураганов покажет, удержит ли WeatherNext сутки преимущества, когда цена ошибки — не строчка в таблице, а решение об эвакуации.