Zespół badaczy z MIT, Microsoftu, Uniwersytetu w Toronto i Europejskiego Centrum Prognoz Średnioterminowych (ECMWF) opracował metodę uczenia maszynowego, która poprawia prognozy pogody w horyzoncie od dwóch do sześciu tygodni. Nakładka o nazwie PBC (probabilistic bias correction, czyli probabilistyczna korekta błędów systematycznych) podwoiła trafność modelu AI używanego przez ECMWF i zajęła pierwsze miejsce we wszystkich kategoriach konkursu AI Weather Quest, pokonując modele sześciu państwowych ośrodków meteorologicznych i 34 zespoły z całego świata.
- Nakładka PBC opracowana przez badaczy z MIT, Microsoftu, Uniwersytetu w Toronto i ECMWF podwoiła trafność systemu AIFS w horyzoncie podsezonowym (2–6 tygodni) i zajęła pierwsze miejsce we wszystkich kategoriach konkursu AI Weather Quest, pokonując modele sześciu państwowych ośrodków meteorologicznych i 34 zespoły z całego świata.
- PBC nie jest modelem pogodowym, lecz nakładką uczącą się na historycznych prognozach, jak dany system się myli – zastosowana do fizycznego modelu dynamicznego ECMWF poprawiła 91% prognoz ciśnienia, 92% prognoz temperatury i 98% prognoz opadów.
- Według autorów to pierwszy raz, gdy model prognostyczny konsekwentnie przewyższa w horyzoncie podsezonowym średnie klimatologiczne, czyli wieloletnie wartości dla danego miejsca i pory roku, które dotychczas stanowiły trudną do pobicia referencję dla prognoz na 2–6 tygodni.
Wyniki opisano w czasopiśmie „Nature” w artykule „Advancing Subseasonal Forecasting with Machine Learning”. Według autorów to pierwszy raz, gdy model prognostyczny konsekwentnie przewiduje pogodę w tym horyzoncie lepiej niż średnie klimatologiczne, czyli zwykłe wartości wieloletnie dla danego miejsca i pory roku.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Prognozy na 2-6 tygodni dotąd przegrywały ze średnią wieloletnią
Okres od dwóch do sześciu tygodni naprzód, nazywany przez meteorologów zakresem podsezonowym, był dotąd najsłabszym punktem prognozowania. Judah Cohen, naukowiec z Wydziału Inżynierii Lądowej i Środowiska MIT i współautor badania, nazywa go „pustynią przewidywalności”.
Powód jest prosty. Prognozy na kilka dni opierają się na dokładnej znajomości bieżącego stanu atmosfery. Prognozy sezonowe korzystają z wolno zmieniających się czynników, takich jak El Niño. W horyzoncie podsezonowym żaden z tych mechanizmów nie działa dobrze.
„W większości przypadków prognozowanie w zakresie podsezonowym nie różni się niczym od pójścia do kasyna i rzucania kośćmi” / „In most cases forecasting in the subseasonal ranges is no different than going to a casino and rolling the dice” – mówi Cohen.
Ograniczenie ma długą historię. W latach 70. profesor MIT Edward Lorenz, twórca teorii chaosu, wskazał teoretyczną granicę około dwóch tygodni, po której szum w układzie atmosferycznym zagłusza sygnał z warunków początkowych. Cohen uważa, że ta granica przez lata zniechęcała badaczy do pracy nad dłuższymi prognozami.
PBC nie prognozuje pogody, tylko poprawia błędy innych modeli
Metoda PBC nie jest kolejnym modelem pogodowym. To nakładka, która uczy się na historycznych prognozach, jak dany system się myli, a potem przesuwa jego bieżące prognozy probabilistyczne, czyli takie, które podają prawdopodobieństwo różnych scenariuszy zamiast jednej wartości.
Badacze przetestowali PBC na dwóch czołowych systemach ECMWF: fizycznym modelu dynamicznym, który symuluje zachowanie atmosfery i oceanów, oraz na AIFS, systemie prognoz opartym na sztucznej inteligencji. Najważniejsze wyniki z publikacji:
- trafność AIFS w horyzoncie podsezonowym wzrosła dwukrotnie,
- model dynamiczny ECMWF, już wcześniej korygowany przez ośrodek, poprawił się dla 91 proc. prognoz ciśnienia, 92 proc. prognoz temperatury i 98 proc. prognoz opadów,
- poprawa była statystycznie istotna również przy prognozach zjawisk ekstremalnych,
- nakładka działa z dowolnym modelem i według Cohena podnosi słabsze systemy do poziomu prognoz ECMWF.
Wątek zjawisk ekstremalnych wydaje się najciekawszy. Cohen zwraca uwagę, że gdy ECMWF wprowadził własną, klasyczną korektę błędów, model zaczął gorzej przewidywać zjawiska ekstremalne. Tradycyjna korekta ciągnie prognozę w stronę średniej, a ekstrema leżą na krańcach rozkładu prawdopodobieństwa.
Model trenowano na superkomputerze MIT Engaging, ale do działania nie potrzebuje już takiej mocy obliczeniowej. Autorzy podkreślają, że rozwiązanie jest otwartoźródłowe i tanie w użyciu.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Drużyna MicroDuet wygrała pierwszą edycję AI Weather Quest
Najmocniejszym dowodem na skuteczność metody jest wynik w konkursie, a nie na danych historycznych. ECMWF uruchomił AI Weather Quest w 2025 roku, aby sprawdzić, czy uczenie maszynowe poprawi prognozy podsezonowe w warunkach operacyjnych. Uczestnicy co tydzień wysyłają prognozy w czasie rzeczywistym dla temperatury przy powierzchni ziemi, ciśnienia na poziomie morza i opadów, z wyprzedzeniem trzech i czterech tygodni.
Zespół zgłosił połączenie dwóch modeli z nakładką PBC pod nazwą MicroDuet. W pierwszym okresie konkursowym (wrzesień-listopad 2025) MicroDuet zajął pierwsze miejsce dla każdej zmiennej i każdego horyzontu. Pokonał skorygowane modele dynamiczne sześciu ośrodków: ECMWF, amerykańskiej NOAA oraz służb meteorologicznych Kanady, Rosji, Korei Południowej i Japonii, a także ich wspólny zespół modeli, trzy wersje AIFS i systemy 34 zespołów.
Skalę konkursu pokazują dane ECMWF. Według wpisu na blogu centrum z marca 2026 roku co najmniej jedną prognozę przesłały od początku 42 zespoły z uczelni, instytutów badawczych i firm technologicznych. Sam ECMWF już po sześciu miesiącach rywalizacji zauważył, że najlepsze wyniki daje obróbka prognoz modelu fizycznego IFS za pomocą uczenia maszynowego, a nie modele w pełni oparte na danych.
Najbardziej podoba mi się w tym badaniu to, czego w nim nie ma. Nikt nie próbuje zastąpić fizyki atmosfery jednym wielkim modelem AI. Zespół Cohena i Mackeya przyjął, że modele dynamiczne mylą się w powtarzalny sposób, i nauczył algorytm te błędy wyłapywać. To skromniejsze podejście niż kolejne zapowiedzi „rewolucji w pogodzie”, ale zweryfikowane w konkursie na żywo, a nie na starannie dobranych danych historycznych.
Mam jednak dwa pytania. Pierwsze dotyczy tego, co znaczy „podwojenie trafności”. Podwoić można skromny wynik, a prognoza na cztery tygodnie nadal będzie mówiła o prawdopodobieństwach, nie o pogodzie na konkretny dzień. Drugie dotyczy wdrożenia. Wygrana w jednym sezonie to dobry początek, ale dopiero kilka lat pracy operacyjnej pokaże, czy nakładka radzi sobie, gdy klimat zmienia się szybciej niż dane, na których się uczyła.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Dwa tygodnie zapasu mogą zmienić przygotowania do kryzysu
Autorzy badania tłumaczą znaczenie dłuższych prognoz na przykładzie Teksasu. W lutym 2021 roku seria zimowych burz doprowadziła do największej awarii infrastruktury energetycznej w historii stanu, a w wyniku przerw w dostawach prądu, ciepła, wody i żywności zginęło co najmniej 246 osób. Więcej czasu pozwoliłoby na przykład wcześniej dowieźć gaz ziemny w zagrożone rejony.
„Rozmawiałem z ludźmi z energetyki, którzy mówią: jeśli dowiem się o burzy lodowej dwa dni wcześniej, nie mam dość czasu, ale gdybym miał dwa tygodnie, mogłoby to wystarczyć na przygotowania” / „I’ve talked to energy officials who say, 'If I’m told two days before that an ice storm’s coming, I don’t have enough time, but if I had two weeks, that could be enough to make adequate preparations'” – relacjonuje Cohen.
Pierwsze zainteresowanie już się pojawiło. Według Cohena kenijska służba meteorologiczna zgłosiła się do zespołu w sprawie wykorzystania modelu przy prognozowaniu pory monsunowej, co ma pomóc rolnikom. Praca nad PBC kontynuuje wcześniejsze badania zespołu. W 2023 roku w „Nature Communications” opisali metodę ABC, która dla Stanów Zjednoczonych poprawiła trafność prognoz temperatury o 60-90 proc., a opadów o 40-69 proc.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
IMGW już korzysta z modeli AI, ale prognozy długoterminowe nazywa eksperymentalnymi
Polskie prognozy na kilka tygodni naprzód wciąż mają charakter orientacyjny. Instytut Meteorologii i Gospodarki Wodnej publikuje długoterminowe prognozy temperatury i opadów jako eksperymentalne i odnosi je do normy wieloletniej z lat 1991-2020. Synoptycy IMGW-PIB zaznaczają, że prognozy od ośmiu dni do kilku miesięcy należy traktować jako prognozy trendów, a nie rozpiskę pogody na konkretne dni.
Jednocześnie IMGW-PIB korzysta już z prognoz AI tworzonych przez ECMWF. Od października 2025 roku na stronie modele.imgw.pl są dostępne prognozy systemu AIFS w horyzoncie do 10 dni, czyli tego samego modelu, którego trafność w zakresie podsezonowym podwoiła nakładka PBC. Dla polskich odbiorców ma to praktyczne znaczenie. Jeśli metody korekty podobne do PBC trafią do produktów ECMWF, z których korzysta IMGW, skorzystać mogą na tym:
- operatorzy sieci energetycznych i firmy z branży OZE planujące produkcję i zapotrzebowanie,
- rolnicy decydujący o terminach nawożenia, zabiegów i ochrony upraw przed przymrozkami,
- służby zarządzania kryzysowego przygotowujące się na powodzie i fale mrozów.
Na razie to możliwość, a nie zapowiedź. Ani ECMWF, ani IMGW nie ogłosiły wdrożenia PBC w prognozach operacyjnych.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym komunikatu MIT News z dnia 14.10.2026, preprintu badania „Advancing Subseasonal Forecasting with Machine Learning” (arXiv) opublikowanego następnie w „Nature” oraz wpisu ECMWF o AI Weather Quest. Kontekst polski: dlapilota.pl oraz materiały IMGW-PIB i publikacja zespołu w „Nature Communications” z 2023 roku.
Cytaty Judaha Cohena, naukowca z MIT, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wdrożeniach metody PBC i wynikach kolejnych edycji AI Weather Quest.
