Amerykańskie Narodowe Centrum Huraganów (NHC) w 2026 roku włączyło model sztucznej inteligencji Google DeepMind do narzędzi, z których powstają oficjalne prognozy toru i siły cyklonów tropikalnych. Podczas październikowego huraganu Isaias model od początku wskazywał zachodnią część Florydy jako miejsce uderzenia i właśnie tam burza weszła na ląd. Według kierownictwa NHC algorytmy dają synoptykom więcej czasu na ostrzeżenia. Decyzja o tym, co trafia do komunikatu dla mieszkańców, nadal należy do ludzi.
- Model Google DeepMind jako jedyny od pierwszych przebiegów wskazywał zachodnią część Florydy (Panhandle) jako miejsce uderzenia huraganu Isaias, podczas gdy klasyczne modele fizyczne kierowały burzę w stronę południowo-wschodniej Luizjany – i to właśnie tam huragan wszedł na ląd 9 października jako burza 2. kategorii.
- Według publikacji zespołu Google DeepMind w „Nature" z 6 sierpnia 2026 roku model WeatherNext Cyclones średnio daje synoptykom ponad dobę przewagi w prognozowaniu, a jego trzydniowa prognoza toru jest tak dokładna, jak prognozy poprzednich systemów na dwa dni naprzód – przy czym model generuje 1000 wariantów prognozy dla każdego cyklonu i oblicza 15-dniową prognozę w niecałą minutę na jednym procesorze TPU.
- Mimo lepszych wyników w prognozowaniu toru NHC nie oddało decyzji algorytmowi: Dan Brown, szef wydziału operacyjnego NHC, wskazał, że model AI nie analizuje na bieżąco danych z samolotów rozpoznawczych i satelitów, a synoptyk musi ocenić, który model najlepiej oddaje zachowanie konkretnego cyklonu – tym bardziej że, jak zauważa meteorolog Michael Lowry, model działa jak czarna skrzynka i „nie wiadomo, dlaczego prognoza jest trafna".
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Model DeepMind trafił z torem Isaiasa. Przy sile burzy wygrała prognoza NHC
Isaias był pierwszym huraganem tegorocznego sezonu atlantyckiego. System dostał oznaczenie Depresji Tropikalnej Dziewięć 6 października, następnego dnia otrzymał nazwę, a 8 października osiągnął siłę huraganu. Na ląd wszedł 9 października w pobliżu Destin na Florydzie jako huragan 2. kategorii.
Klasyczne modele fizyczne początkowo kierowały burzę dalej na zachód, w stronę południowo-wschodniej Luizjany. Model Google DeepMind od pierwszych przebiegów wskazywał zachodni fragment Florydy (tzw. Panhandle), co opisało NPR. Jak podała AFP, model rozpoznał możliwość powstania cyklonu tropikalnego tydzień przed jego uformowaniem.
Michael Brennan, dyrektor NHC, w rozmowie z NPR przyznał jednak, że model DeepMind wymaga dopracowania. W prognozie toru Isaiasa wyprzedził wszystkie inne modele. W prognozie siły burzy wypadł gorzej niż mieszana prognoza samego NHC.
Dan Brown, szef wydziału operacyjnego NHC, powiedział AFP, że modele AI dobrze radzą sobie z szybkim wychwytywaniem zmian w złożonym układzie prądów powietrznych, które sterują ruchem burzy. Wskazał też dwa narzędzia, które jego zdaniem sprawdzają się najlepiej przy prognozach toru i intensywności: model DeepMind i opracowany w NHC model HCCA.
Publikacja w „Nature”: trzydniowa prognoza AI tak dokładna jak dawniej dwudniowa
Podstawą naukową jest praca zespołu Google DeepMind opublikowana w „Nature” 6 sierpnia 2026 roku. Model WeatherNext Cyclones średnio daje synoptykom ponad dobę przewagi w prognozowaniu toru, intensywności i struktury wiatru cyklonu. Trzydniowa prognoza modelu jest tak dokładna, jak prognozy poprzednich systemów na dwa dni naprzód. DeepMind porównuje tę poprawę do mniej więcej dekady postępu w meteorologii.
Najważniejsze parametry modelu według Google DeepMind:
- trening na blisko 20 terabajtach globalnych danych atmosferycznych i historycznej bazie IBTrACS obejmującej prawie 5 tys. burz,
- zestaw 1000 wariantów prognozy dla każdego cyklonu (rok wcześniej było to 50), co pozwala uchwycić rzadkie scenariusze, np. gwałtowne nasilenie burzy,
- 15-dniowa prognoza liczona w niecałą minutę na jednym procesorze TPU,
- dane wejściowe w rozdzielczości 28 na 28 km, czyli około 100 razy mniejszej niż w tradycyjnych modelach dla intensywności.
Ostatni punkt zaskoczył samych autorów. Dotąd uważano, że do dobrej prognozy siły cyklonu potrzebna jest bardzo wysoka rozdzielczość. DeepMind przyznaje, że pełne wyjaśnienie, skąd model bierze tak trafne wyniki przy tak zgrubnych danych, pozostaje otwartym pytaniem badawczym. Razem z publikacją firma udostępniła kod i wagi modeli WeatherNext 2 i WeatherNext Cyclones do swobodnego wykorzystania.
Model nie jest bezbłędny. Nawet według wskaźników samego Google jego zdolność przewidywania gwałtownej intensyfikacji burzy pozostaje ograniczona.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Synoptyk w NHC ma więcej pracy, nie mniej
Dan Brown zwrócił uwagę AFP, że pojedyncze modele AI potrafią mocno zmieniać prognozowany tor albo siłę burzy między kolejnymi przebiegami. Synoptyk musi więc na podstawie doświadczenia ocenić, który model najlepiej oddaje zachowanie konkretnego cyklonu, i połączyć ich wyniki. Brown przypomniał też, że modele AI uczyły się na danych wypracowanych przez modele fizyczne.
„Specjalista staje się ważniejszy niż kiedykolwiek” / „The specialist becomes more important than ever.”
Według Browna algorytm pokaże prawdopodobieństwo toru. Nie przeanalizuje jednak na bieżąco danych z samolotów rozpoznawczych i satelitów, które mówią, jak wygląda struktura burzy w danej chwili.
Michael Lowry, meteorolog z Miami, który doradzał FEMA i NHC, w rozmowie z NPR określił model DeepMind mianem złotego standardu. Zwrócił też uwagę na problem, który niepokoi wielu meteorologów: model działa jak czarna skrzynka.
„Nie wiemy, dlaczego prognoza jest trafna” / „We don’t know why they might get a forecast right.”
Lowry dodał, że to samo dotyczy prognoz chybionych. Brian McNoldy z Uniwersytetu w Miami przyznał w tym samym materiale, że synoptycy czują się nieswojo, kiedy nie rozumieją, skąd bierze się poprawny wynik.
Sprawdziłem, skąd wziął się ten temat, i widzę w nim coś więcej niż kolejną historię o „AI, które pokonało ludzi”. Ciekawsze jest to, jak NHC wdraża ten model. Nikt tam nie wyłączył modeli fizycznych i nie oddał decyzji algorytmowi. Model DeepMind stał się jednym z głosów w naradzie, który od dwóch sezonów wypada najlepiej przy torze burzy i przeciętnie przy jej sile.
Najbardziej przemawia do mnie zdanie Browna o samolotach i satelitach. Prognoza to jedno. Ostrzeżenie, po którym ludzie ewakuują dom, to coś innego. Za drugie odpowiada człowiek z nazwiskiem.
Mam jednak wątpliwość, której nie da się zbyć. Jeśli model przez kilka sezonów będzie trafiał lepiej niż oficjalna prognoza, presja, żeby po prostu za nim iść, będzie rosła. A synoptycy sami przyznają, że nie wiedzą, dlaczego trafia. Co się stanie w sezonie, w którym czarna skrzynka pomyli się przy burzy kategorii 5?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Drugi sezon z rzędu DeepMind prowadzi w prognozach toru
Isaias nie był pierwszym sprawdzianem. W 2025 roku, gdy NHC pierwszy raz korzystało z modelu DeepMind, model z dużą pewnością przewidział gwałtowne nasilenie huraganu Melissa około trzech dni przed uderzeniem w Jamajkę jako burza 5. kategorii. Według danych Google model już na etapie słabej depresji tropikalnej dawał 80 proc. szans na to scenariusz. James Franklin, były szef jednego z działów NHC, w analizie po sezonie 2025 stwierdził, że zestaw prognoz DeepMind wypadł lepiej od wszystkich innych modeli zarówno przy torze, jak i przy intensywności.
W 2026 roku przewaga się utrzymała. Według zestawienia Franklina opublikowanego przez stację Local10 do 6 września model DeepMind najlepiej prognozował tor burz na Atlantyku oraz we wschodnim i centralnym Pacyfiku. W pięciodniowych prognozach toru wyprzedzał oficjalne prognozy NHC nawet o 30 proc. Przy intensywności dotrzymywał kroku NHC, bez tak wyraźnej przewagi.
Sezon był wymagający. AFP zwraca uwagę, że silne zjawisko El Niño przyniosło w tym roku rekordową liczbę huraganów na Pacyfiku. NHC korzysta też z modeli AI Europejskiego Centrum Prognoz Średnioterminowych (ECMWF) i amerykańskiej Narodowej Służby Meteorologicznej (NWS). Z Google ma umowę na rozwój następcy obecnego modelu.
Postęp widać w liczbach. Brennan mówił NPR, że błędy prognoz intensywności są dziś mniej więcej o połowę mniejsze niż w czasach huraganu Katrina z 2005 roku. Stawka jest ogromna. Według Google DeepMind cyklony tropikalne odpowiadają za ponad 700 tys. ofiar śmiertelnych i 1,4 bln dolarów strat na świecie w ciągu ostatnich 50 lat.
Centra danych na gaz pogarszają problem, który AI pomaga prognozować
Rozwój prognoz AI zbiega się w USA z falą budowy centrów danych. Firma analityczna Cleanview w lutowym raporcie wskazała 46 centrów danych, które planują własne źródła zasilania o łącznej mocy 56 GW. To około 30 proc. całej planowanej mocy centrów danych w Stanach Zjednoczonych. Około 75 proc. urządzeń wytwórczych, które udało się zidentyfikować w tych projektach, ma pracować na gazie ziemnym.
AFP przypomina, że zmiana klimatu sprawia, że huragany stają się silniejsze, niosą więcej opadów i wolniej się przemieszczają. Rosnące zapotrzebowanie energetyczne AI zwiększa emisje, które ten proces napędzają. Technologia, która daje synoptykom dodatkową dobę na ostrzeżenie, jednocześnie dokłada się do zjawiska, przed którym ostrzega.
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 sprawdza modele AI i stawia na rozwiązania hybrydowe
Polska nie zmaga się z huraganami. Ma za to gwałtowne burze, nawalne opady i powodzie, przy których każda godzina wyprzedzenia ma znaczenie. Instytut Meteorologii i Gospodarki Wodnej (IMGW-PIB) przygotowuje prognozy i ostrzeżenia dla kraju na podstawie danych ECMWF i własnych modeli numerycznych.
Centrum Modelowania Meteorologicznego IMGW-PIB opublikowało w swoim cyklu edukacyjnym materiał o pierwszych krokach z numerycznymi modelami pogody AI w służbie meteorologicznej. Prof. Mariusz Figurski z IMGW-PIB przekonywał w 2024 roku podczas Dell Technologies Forum, że AI może wyraźnie pomóc meteorologom. Jego zdaniem samodzielnie nie zastąpi jednak modeli fizycznych, bo zjawiska pogodowe nigdy nie powtarzają się w identyczny sposób. Dlatego rozwijane są rozwiązania hybrydowe.
To podejście jest bardzo bliskie temu, co dziś robi NHC. Otwarcie kodu i wag modeli WeatherNext oznacza, że po te same narzędzia mogą sięgnąć także polscy naukowcy i służby, bez kupowania licencji od Google. Czy IMGW z tego skorzysta, na razie nie wiadomo.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym publikacji naukowej i komunikatu Google DeepMind z dnia 06.08.2026 oraz materiałów AFP (The Star) i NPR (WUNC). Dane o sezonach 2025 i 2026 pochodzą z analiz Jamesa Franklina opisanych przez Local10 i CNN, dane o zasilaniu centrów danych z raportu Cleanview. Polski kontekst: Bank.pl oraz materiały IMGW-PIB.
Cytaty Dana Browna, szefa wydziału operacyjnego NHC, oraz Michaela Lowry’ego, meteorologa i byłego doradcy FEMA i NHC, 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 wykorzystaniu AI w prognozowaniu huraganów i ekstremalnych zjawisk pogodowych.
