В этом году Атлантический сезон ураганов принес не только штормы, но и революцию в прогнозировании. Впервые за десятилетия традиционные суперкомпьютерные модели уступили место искусственному интеллекту. Разработанная Google DeepMind система, дебютировавшая летом 2025 года, превзошла ведущие прогнозные комплексы мира — включая американскую модель GFS — и даже официальные человеческие прогнозы Национального центра ураганов США (NHC).
Теперь вопрос звучит иначе: не "Может ли ИИ предсказывать погоду?", а "Сколько времени осталось у традиционных методов?"
Как работает ИИ-прогноз погоды
В отличие от классических систем, опирающихся на физические уравнения, описывающие движение атмосферы, DeepMind использует нейросеть, обученную на десятилетиях архивных метеоданных. Это позволяет ей распознавать закономерности в изменении атмосферы без необходимости решать громоздкие математические модели.
Если суперкомпьютеры Национального управления океанических и атмосферных исследований (NOAA) тратят часы и терафлопсы энергии на расчёт трёхмерных процессов, то нейросеть DeepMind выдаёт прогноз за считаные минуты на стандартных графических процессорах (GPU). И при этом делает это точнее.
По данным климатолога Брайана МакНолди из Университета Майами, ИИ-модель DeepMind показала среднюю ошибку в определении траектории ураганов за 120 часов вперёд всего 165 морских миль. Для сравнения: у модели GFS этот показатель составил 360 миль — вдвое хуже.
Почему это важно
DeepMind не просто «угадала» путь циклонов — она превзошла даже комбинированные прогнозы, где традиционно объединяются результаты разных моделей (TVCN, HCCA) и человеческих экспертов. Если финальные данные NHC подтвердят предварительные оценки, это станет первым случаем в истории, когда искусственный интеллект оказался точнее не только машин, но и людей.
Эксперты отмечают, что преимущество ИИ кроется в способности обучаться на собственных ошибках. Как объясняет исследователь ураганов Майкл Лоури, «нейросети могут быстро переобучаться на новых данных и совершенствоваться экспоненциально — в отличие от старых систем, обновления которых требуют месяцев или лет».
Что будет с традиционными моделями
Результаты DeepMind ставят под сомнение будущее физико-математических моделей вроде GFS и ECMWF, десятилетиями определявших мировую метеорологию. Эти системы решают уравнения гидродинамики, радиационного переноса и термодинамики для миллионов точек сетки — и нередко сталкиваются с ошибками округления и огромными затратами вычислительных ресурсов.
ИИ-модель же, используя так называемые «глубинные генеративные сети», учится на реальных наблюдениях, минуя физические уравнения. По данным исследователей, DeepMind применяет архитектуру с кодировщиком и декодером, оптимизированную для пространственно-временных прогнозов, что позволяет ей предсказывать не только путь, но и силу ураганов.
В этом сезоне система продемонстрировала удивительную точность в оценке максимальной скорости ветра и падения давления — показателях, с которыми до сих пор не справлялись даже лучшие суперкомпьютеры.
Конец эры численного прогноза?
Любопытно, что традиционная модель GFS, несмотря на масштабное обновление ещё в 2019 году, показывает регресс. Многие синоптики жалуются на смещения и расхождения, из-за чего реже используют её при прогнозах тропических систем. Некоторые связывают ухудшение с пробелами в данных наблюдений, вызванными сокращением федерального финансирования.
Так или иначе, наступила новая эпоха. Искусственный интеллект не просто ускоряет прогноз — он меняет саму философию предсказаний. Возможно, через несколько лет карты погоды, которые мы видим в новостях, будут результатом не уравнений атмосферы, а интуиции машины, обученной на миллиардах наблюдений.
DeepMind доказала: искусственный интеллект способен не просто догнать человека в понимании сложных природных процессов — он уже начинает его опережать. Метеорология вступает в эпоху, где погоду будут предсказывать не физические модели, а обученные нейросети. И если сезон 2025 стал пробой пера, то следующий может стать началом конца традиционного прогноза погоды.
