Google отвори кода на WeatherNext за урагани

На 6 август 2026 г. Google DeepMind публикува в Nature изследването зад WeatherNext Cyclones и едновременно с това пусна кода и теглата на модела в GitHub. Върху тропически циклони от 2023 до 2024 г. системата предсказва траекторията, силата и структурата на ветровете средно с над едно денонощие преднина спрямо водещите оперативни модели — нейната тридневна прогноза е толкова точна, колкото досегашните двудневни.

Какво точно е отворено

В хранилището влизат WeatherNext 2 — глобалният модел за средносрочна прогноза — и специализираните версии WeatherNext Cyclones за 2023, 2024 и 2025 г. Основният вариант работи на решетка 0,25°, или около 28×28 км. Има и олекотен WeatherNext Cyclones Mini на 1° (около 111×111 км), който е предвиден за скромен хардуер. В същото хранилище са и предишните модели на екипа — GraphCast и GenCast.

Кодът и notebook-ите са под Apache 2.0, останалите материали — под CC BY 4.0. Теглата и примерните данни се теглят от публичен Google Cloud bucket. Има и Colab тетрадка, която по подразбиране зарежда Mini версията; по-големите модели искат TPU от клас v5p.

WeatherNext 2                    0,25°  (~28 km)   глобална прогноза
WeatherNext Cyclones 2023/24/25  0,25°  (~28 km)   циклони
WeatherNext Cyclones Mini        1°     (~111 km)  леко хардуерно изискване

Снимка: Google DeepMind

Защо това е важно

Класическите прогнози за урагани се правят от два различни свята. Траекторията се смята от физични модели на атмосферата, а силата — от отделни, често статистически инструменти. Google е обучил един модел, който дава и двете наведнъж, което улеснява сравняването на сценарии.

Обучението е върху близо 20 терабайта глобални атмосферни данни плюс архива IBTrACS с около 5000 исторически бури. Резултатът е вероятностен: моделът генерира до 1000 възможни развития на една буря, срещу 50 при типичните оперативни ансамбли. Повече сценарии означава по-надеждна оценка колко вероятен е най-лошият случай — а именно това интересува службите за бедствия.

Скоростта също се променя. Петнадесетдневна прогноза излиза за под минута на един TPU. За сравнение, физичните модели искат часове на суперкомпютър, което на практика ограничава колко сценария могат да се пресметнат в срока между два бюлетина.

Авторите определят преднината от едно денонощие като „приблизително десетилетие оперативен напредък”. Звучи гръмко, но е измеримо твърдение: точността на прогнозите за траектория исторически се подобрява бавно и постепенно.

Проверката в реални условия

През сезона на ураганите в Атлантика през 2025 г. моделът е работил успоредно с оперативния процес на Националния център за урагани (NHC). При урагана Мелиса той е предсказал бързото усилване и удара по Ямайка достатъчно рано, за да подпомогне ранното предупреждение — случай, който Engadget също посочва като основен аргумент на Google.

Освен NHC, в разработката участват NOAA, Кооперативният институт за изследвания в атмосферата (CIRA), британската Met Office и други метеорологични служби. Това е съществено — един модел става оперативен само след като службите го тестват срещу собствените си бюлетини.

Какво не е

Струва си да сме прецизни. WeatherNext не заменя официалните предупреждения — NHC остава органът, който издава бюлетините, а моделът е още един вход в тяхната преценка. Резолюцията от 28 км е около 100 пъти по-груба от тази на специализираните модели за урагани, което е и любопитната находка на изследването: високата резолюция не е задължително условие за точна прогноза за силата на бурята.

Моделът също така се учи от миналото. Бури с поведение, каквото няма в 5000-те исторически примера, остават трудни — а климатичните промени тепърва изместват тези статистики.

Контекст

Публикацията идва месеци след смяната на ръководството в DeepMind и се вписва в линията на лабораторията да пуска научните си модели публично. Отварянето на теглата е по-важната половина от новината: досега подобни метеорологични модели бяха достъпни най-вече през облачни API-та.

WeatherNext 2 се предлага и през Google Earth Engine, BigQuery и Weather API на Google Maps Platform, а изходите му вече захранват прогнозите в Търсенето, Gemini и Pixel Weather. Разликата сега е, че всяка национална метеорологична служба може да свали теглата и да ги дообучи за собствения си регион, без да плаща на Google.

За читателите в България практическата полза е косвена — Средиземноморието вижда тропически циклони рядко. Но методът се пренася: същият подход върху ансамбли и вероятностни изходи е приложим и към бури, порои и топлинни вълни. Тук AI все по-често е инструмент на самото откритие, а не просто удобство отгоре.