Исследователи из MIT, Microsoft, ECMWF и других организаций предложили не строить ещё одну модель погоды с нуля, а научить искусственный интеллект исправлять систематические ошибки уже существующих прогнозов. В испытаниях такой подход примерно вдвое увеличил качество прогноза на срок до месяца и дальше. Работа опубликована 14 октября 2026 года в журнале Nature.
После двух недель начинается «пустыня предсказуемости»
На несколько дней вперёд метеорологические модели довольно хорошо отслеживают текущее состояние атмосферы. Но чем дальше прогноз, тем сильнее первоначальные погрешности меняют результат.
После двух недель начинается так называемый субсезонный диапазон — примерно от 14 до 42 дней. Здесь уже трудно сказать, какая именно погода будет в конкретном городе в определённый день.
Поэтому речь идёт не о прогнозе вроде «через месяц в Москве будет +7 °C и дождь». Системы оценивают вероятности более общих условий: окажется ли неделя теплее или холоднее нормы, будет ли больше осадков, каким будет атмосферное давление.
Ранее RidLife писал о модели GenCast, которая улучшила прогнозирование примерно до двух недель. Новая работа пытается продвинуться дальше — туда, где качество современных моделей резко падает.
ИИ не предсказывает погоду заново, а исправляет ошибки
Метод получил название Probabilistic Bias Correction (PBC) — вероятностная коррекция систематических ошибок.
Алгоритм сравнивает старые прогнозы с тем, что произошло на самом деле, и учится замечать повторяющиеся промахи модели. Затем он корректирует новый прогноз с учётом этих закономерностей.
Фактически это дополнительный слой, который можно поставить поверх уже работающей метеорологической системы. Авторы проверили его как на традиционных моделях Европейского центра среднесрочных прогнозов погоды (ECMWF), так и на его ИИ-системе AIFS.
При этом после обучения PBC не требует суперкомпьютера и может работать как сравнительно недорогая надстройка над существующим прогнозом.
Повышение качества прогноза
Исследователи используют специальный показатель качества вероятностных прогнозов — он показывает, насколько модель полезнее простого предположения, основанного на многолетней климатической норме. После коррекции PBC этот показатель для ИИ-системы ECMWF в субсезонном диапазоне примерно удвоился.
У традиционной модели ECMWF улучшение распределялось почти по всей планете. PBC повысил качество прогноза примерно для 92% температурных целей, 98% целей по осадкам и более 90% по атмосферному давлению.
То есть ИИ не сделал далёкий прогноз безошибочным, но смог вытащить из него дополнительный полезный сигнал там, где через несколько недель он обычно почти теряется.
Система выиграла международное соревнование прогнозов
Метод проверили не только на архивных данных. В 2025 году команда участвовала в AI Weather Quest, соревновании ECMWF по прогнозированию погоды в реальном времени.
Система MicroDuet, объединившая PBC с несколькими моделями, заняла первое место по всем оцениваемым погодным параметрам и горизонтам прогноза. Она обошла модели шести национальных метеорологических служб, ИИ-систему самого ECMWF и разработки десятков других команд.
Особенно важно, что коррекция улучшила не только средние прогнозы. Авторы получили статистически значимый прирост и при прогнозировании экстремальной погоды — например, сильных холодов и наводнений.
Для сельского хозяйства, энергетики и служб чрезвычайного реагирования несколько дополнительных недель предупреждения могут быть важнее высокой точности прогноза на завтра. Новый метод как раз рассчитан на этот промежуток: он не обещает рассказать погоду на конкретный день через месяц, но помогает раньше увидеть вероятность опасного или необычного сценария.
