През октомври 2025 г. над Карибско море се заражда буря. Метеорологичните модели се разминават по отношение на траекторията ѝ. Дали ще остане слаба и ще приключи в Хаити, или ще се засили и ще се насочи към Ямайка? Моделът с изкуствен интелект WeatherNext, разработен от Google DeepMind и Google Research, избира второто. Пет дни преди достигането на сушата той предвижда с 80 процента увереност, че буреносната система ще удари Ямайка като ураган от категория 5.

Ураганът Мелиса беше катастрофален, причинявайки наводнения и свлачища в Ямайка. Но моделът с изкуствен интелект помогна на синоптиците да дадат по-ранно предупреждение на общностите по пътя му, за да могат те да се подготвят по-добре.

В научен труд, публикуван в четвъртък в Nature, изследователите показват, че моделът с изкуствен интелект WeatherNext може да предвижда циклони с безпрецедентна точност. Средно той дава на синоптиците един ден повече време за реакция в сравнение със съществуващите модели. Това означава, че неговите прогнози за три дни напред са толкова точни, колкото прогнозите на предишните модели за два дни напред. На терен този допълнителен ден може да означава много.

„Дори няколко часа могат да направят разликата“, казва Майк Бренан, директор на Националния център за ураганите в САЩ. Организирането на евакуации, разполагането на провизии и придвижването на ресурси за реагиране при риск от ураган са задачи, критични от гледна точка на времето, а вземането на погрешно решение може да има големи последствия. „Времето наистина е злато, когато става въпрос за такъв тип решения, така че способността да се увеличи точността на прогнозата с цял ден над това, което бяхме способни да направим досега, е наистина ценна“, казва той.

В миналото изтеглянето на прогнозите с един ден напред би отнело десетилетие работа, казват изследователите.

Моделирането на екстремни събития може да бъде предизвикателство за изкуствения интелект. Машинното обучение изисква достатъчно данни за обучение, за да прави бъдещи прогнози, но екстремните събития по своята същност са редки явления. „Нямаме толкова много данни за циклони, но имаме много метеорологични данни“, казва Феран Алет, изследовател в Google DeepMind и един от водещите автори на статията. „Така че това, което направихме, беше да обучим модел, който да е добър както по отношение на времето, така и по отношение на циклоните.“

Ураганите са особено трудни за прогнозиране, тъй като действат в множество пространствени мащаби, казва Кейт Мъсгрейв, ръководител на групата за тропически циклони в Кооперативния институт за изследване на атмосферата и автор на статията. Предвиждането на пътя на бурята — в коя посока се движи — изисква данни за времето в глобален мащаб, обхващащи информация като местоположението на студените фронтове и преобладаващите ветрове. Предвиждането на интензитета на бурята обаче изисква данни в много по-малък мащаб, фокусирани конкретно върху локалните атмосферни и океански условия.

„Това е нещо, което просто не получаваме от тези глобални модели“, казва Мъсгрейв. Докато по-ранните модели с изкуствен интелект се справяха добре с прогнозирането на пътя на бурята, „с интензитета те изобщо не можеха да се справят добре“.

От критично значение е да се предвидят и двете: промяната в интензитета може да бъде разликата между относително слаба буря и голям ураган. Понякога — както в случая с урагана Мелиса — буреносната система може да се засили бързо, превръщайки се в извънредна ситуация за една нощ. Мелиса отбеляза първия път, когато Националният център за ураганите успя да предвиди ураган от категория 5, когато бурята беше едва в етап на категория 1.

Преди моделът WeatherNext да бъде използван в реални прогнози, изследователите са го тествали върху ретроспективни данни. „Резултатите бяха толкова добри, че бяхме скептични, че действително ще видим това в демонстрацията в реално време“, казва Мъсгрейв. Но когато синоптиците започнаха да внедряват модела в своите операции, това представяне се запази. „Мисля, че всички бяха изненадани от това колко добре се справи“, казва Мъсгрейв.

Дори изследователите от DeepMind, работещи по модела, не разбират напълно как моделът с изкуствен интелект генерира толкова точни прогнози, като се има предвид, че използва атмосферни данни с много по-ниска резолюция от тези, които традиционните модели изискват за прогнозиране на интензитета на бурята. „Когато казахме на общността, че нашият модел използва само сравнително груба резолюция, те бяха шокирани, защото това означава, че входящите данни с по-ниска резолюция улавят повече сигнали за това какво ще се случи, отколкото се смяташе досега“, казва Алет.

Моделът с изкуствен интелект трябва да улавя нещо в данните с по-ниска резолюция, което му позволява да прави прогнози за интензитета на бурята, но изследователите не знаят какво е то. „В края на краищата това е „черна кутия“, но това дава сигнал на физиците, че се случва нещо, което не е било разбрано досега“, казва Алет.

Моделът не просто изплюва една прогноза. Той произвежда набор от потенциални сценарии за развиваща се буря. Това помага да се улови всеки потенциален „ефект на пеперудата“, казва Алет, при който малко отклонение от дадена тенденция може да доведе до много по-големи промени по-нататък. Синоптиците могат да използват тези резултати, заедно с тези от други модели, за да информират своите прогнози за това как вероятно ще се развие дадена буреносна система. Миналата година моделът с изкуствен интелект създаваше по 50 сценария на буря. Сега той генерира 1000.

„Това е нещо, което с нашата изчислителна мощ просто не можем да направим със съществуващите ни модели“