ainews
WeatherNext Cyclones от DeepMind предсказывает ураганы точнее на сутки вперёд — на данных в 100 раз грубее
DeepMind выпустила WeatherNext Cyclones (WN-C) — AI-модель для прогноза тропических циклонов, которая видит на день дальше лидирующих систем и работает на данных с разрешением в 100 раз хуже специализированных моделей. Модель одновременно предсказывает траекторию и интенсивность урагана, что раньше требовало разных систем. Открытый код, запуск на одном TPU, уже использовалась Национальным центром по ураганам США.
Точные прогнозы ураганов за день до события спасают жизни и миллиарды долларов. WN-C — первый открытый AI, который совмещает траекторию и интенсивность в одной системе, работая на данных в 100 раз грубее конкурентов. Для разработчиков это новый инструмент, для бизнеса — возможность монетизировать климатические риски.
DeepMind представила WeatherNext Cyclones (WN-C) — AI для прогноза тропических циклонов, которая переигрывает как глобальные модели (точные по траектории, но слабые по интенсивности), так и региональные (наоборот). WN-C делает и то, и другое в одной системе.
Модель работает на сетке с шагом 28 км — в сотню раз грубее специализированных систем вроде NOAA HAFS. Даже компактная версия на 111 км/точку даёт конкурентные результаты. Как AI извлекает точность интенсивности из таких грубых данных — открытый вопрос даже для авторов.
На пятидневном прогнозе ошибка центра шторма 230 км против 370 у ECMWF ENS. На трёхдневной интенсивности WN-C точнее HAFS на 3,75 узла (~7 км/ч). Вероятностные прогнозы интенсивности — в два раза лучше GenCast.
В июне 2025 модель помогла Национальному центру по ураганам США предсказать быстрое усиление урагана Melissa на Ямайке (прирост 30+ узлов за сутки). С тех пор прогнозы доступны в Google Weather Lab.
Вместо диффузии (как в GenCast) использует Functional Generative Networks — в 8 раз быстрее, один проход сети на шаг прогноза. Обучалась на 20 ТБ глобальных атмосферных данных ECMWF и 5000 исторических циклонов. Прогноз на 15 дней — меньше минуты на одном TPU.
Код и веса WN-C и WeatherNext 2 открыты на GitHub, мини-версия запускается в бесплатном Colab. DeepMind подчёркивает: это инструмент для специалистов, не замена официальных служб.
Автор: Никита Громов · Источник: the-decoder.com
Разработчикам. Открытые веса и код на GitHub, запуск на одном TPU в Colab. Functional Generative Networks вместо диффузии — в 8 раз быстрее, одна итерация на шаг прогноза. Модель обучалась на 20 ТБ ECMWF + 5000 циклонов, проекция табличных данных на географическую сетку. Интересный кейс joint training разнородных источников.
Бизнесу. Модель улучшает траекторные прогнозы на 28%, интенсивность на 6% при добавлении в консенсус NHC. Потенциал для страховки, логистики, энергетики — более точные прогнозы за день до события дают время на эвакуацию и защиту активов. Открытая модель снижает барьер входа для стартапов в климатический риск-менеджмент.
Инвесторам. DeepMind обгоняет прогресс традиционных моделей за 10 лет одним релизом. Климатические AI — горячая ниша: страхование, сельское хозяйство, энергетика нуждаются в точных прогнозах. Открытый код ускоряет экосистему стартапов вокруг climate tech. Риск: конкуренция с закрытыми коммерческими решениями, зависимость от качества входных данных.
- Климатический риск-менеджмент для страховых компаний: интеграция WN-C в платформы оценки ущерба от ураганов, продажа подписок на API с прогнозами
- Сервис для логистики и морского транспорта: маршрутизация судов с учётом вероятностных сценариев циклонов, экономия топлива и времени
- Энергетический сектор: прогноз нагрузок и рисков для возобновляемых источников (ветро- и солнечные парки) в зонах ураганов
- Локальные климатические AI-стартапы: форк WN-C под региональные данные (Азия, Латам), продажа в b2g сегмент для МЧС и метеослужб
- Обучение и консалтинг: курсы и сервисы по интеграции открытых метео-AI в корпоративные системы принятия решений
- Модель уже ошибалась: Android Earthquake Alerts от Google в 2023 недооценил землетрясение в Турции (7.8 как 4.5), отправил 469 предупреждений вместо миллионов — доверие под вопросом
- Непонятно, как AI извлекает точность из грубых данных — чёрный ящик, сложно отладить в критических ситуациях
- Открытая модель + зависимость от качества входных данных ECMWF — если источник барахлит, все downstream-продукты падают
- Переоценка impact: улучшение интенсивности на 6% в консенсусе NHC — традиционные модели всё ещё тянут основную нагрузку, AI — лишь добавка
WeatherNext Cyclones — один из тех редких AI, где impact не в хайпе, а в спасённых жизнях. Модель уже помогла NHC в реальном урагане, открытая, запускается на одном TPU. Но есть нюанс: как она извлекает точность интенсивности из сетки 28 км — загадка даже для Google. Это либо гениальность архитектуры, либо удачное переобучение на историческом датасете. Пока работает, но в критических системах чёрные ящики — риск.
Для бизнеса это золотая жила: страховка, логистика, энергетика платят за точность. Открытая модель = низкий порог входа для стартапов, но зависимость от ECMWF — уязвимость. Google уже косячила с алертами (Турция 2023), так что человека из петли убирать рано. В сухом остатке: сильный инструмент для профи, не замена MetOffice. Играть на интеграциях, не на хайпе.
Комментарии