AI и климат: GraphCast 2 и революция в прогнозировании погоды

В январе 2026 года Google DeepMind представила GraphCast 2 -- второе поколение AI-модели для прогнозирования погоды. Первый GraphCast, выпущенный в 2023 году, уже превзошел золотой стандарт отрасли -- систему HRES Европейского центра среднесрочных прогнозов погоды (ECMWF). GraphCast 2 идет дальше: модель прогнозирует погоду на 15 дней вперед с точностью, которую традиционные системы обеспечивают только на 10-дневном горизонте.

Техническая основа впечатляет. GraphCast 2 использует архитектуру graph neural network, обученную на 40 годах данных ERA5 от ECMWF. Модель обрабатывает сотни переменных -- температуру, давление, влажность, ветер -- на 37 вертикальных уровнях атмосферы. Генерация 15-дневного прогноза занимает менее 2 минут на одном TPU v5 -- традиционные численные модели требуют часов на суперкомпьютере.

Для ECMWF и национальных метеослужб это одновременно угроза и возможность. ECMWF интегрировала AI-модели в свой рабочий процесс: GraphCast и конкурирующая модель Pangu-Weather от Huawei используются как дополнение к традиционному моделированию. Метеорологи получают AI-прогнозы наряду с физическими моделями и выбирают наиболее согласованный результат.

Стартап WindBorne Systems привлек $80 миллионов на AI-прогнозирование погоды для энергетического сектора. Точный прогноз ветра и солнечной радиации критически важен для управления возобновляемыми источниками энергии. По данным WindBorne, их AI-прогнозы позволяют операторам ветряных электростанций увеличить выработку на 5-8% -- за счет оптимального позиционирования турбин.

Применения выходят далеко за пределы прогноза погоды. Google использует AI для моделирования наводнений в рамках проекта Flood Hub, покрывающего 80 стран. Microsoft разрабатывает Aurora -- foundation model для атмосферных наук. Стартап ClimateAI помогает агрокомпаниям адаптировать посевные стратегии к изменению климата. AI становится ключевым инструментом климатической адаптации.

Однако AI-модели погоды имеют ограничения. Они плохо работают с экстремальными событиями -- ураганами, тепловыми волнами, аномальными осадками -- потому что таких событий мало в обучающих данных. GraphCast 2 частично решает эту проблему через аугментацию данных, но для предсказания событий за пределами исторического диапазона по-прежнему необходимы физические модели.

Экономический эффект значителен. Мировая экономика ежегодно теряет сотни миллиардов долларов из-за неточных прогнозов погоды -- от сельского хозяйства до логистики. Если AI улучшит точность прогнозов даже на 10-15%, экономический эффект составит десятки миллиардов. Страховые компании уже используют AI-модели погоды для более точного ценообразования рисков.

Важный социальный аспект: AI-прогнозы погоды могут спасать жизни в развивающихся странах, где инфраструктура метеослужб ограничена. Google предоставляет GraphCast бесплатно для гуманитарных организаций и правительств стран с низким доходом. Это один из наиболее убедительных примеров AI for good.

Если честно, что это значит: AI-модели не заменяют физическое моделирование атмосферы, но радикально дополняют его. Комбинация скорости AI и точности физических моделей создает новый стандарт прогнозирования. Для энергетики, сельского хозяйства и страхования это прямая экономическая выгода. Для климатической науки в целом -- инструмент, который позволяет моделировать сценарии изменения климата с беспрецедентной детализацией.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.