Upozornenie: Tento príspevok bol vytvorený za asistencie umelej inteligencie pod vedením a s redakčnými úpravami človeka.
Spoločnosť Google DeepMind 6. augusta zverejnila špičkové (state-of-the-art) predpovede trasy, intenzity a štruktúry vetra tropických cyklónov, pri ktorých využila vstupné dáta s rozlíšením 28 kilometrov. V tej istej štúdii zároveň priznala, že nedokáže úplne vysvetliť, ako je to možné.
Toto zistenie je zásadné pre agentúry, ktoré financujú vývoj modelov hurikánov. Úspešnosť predpovedania intenzity sa od nultých rokov tohto storočia považovala za problém rozlíšenia. Práve to je dôvod, prečo agentúra NOAA prevádzkuje vnorené domény (nested domains) sledujúce búrky až do rozlíšenia 1,5 kilometra a prečo sú systémy novej generácie postavené na čoraz hustejších výpočtových sieťach. Ak sa im dokáže vyrovnať model na 28 kilometroch, argumenty na investície do vyššieho rozlíšenia slabnú – a keďže DeepMind zverejnil váhy modelu, každý si to teraz môže sám otestovať.
Čo ukazujú čísla
Toto tvrdenie sa opiera o dva referenčné modely. Údaje spoločnosti DeepMind ukazujú, že pri cyklónoch z rokov 2023 až 2024 sa model WeatherNext Cyclones pohybuje pri trojdňovej chybe pozície blízko hranice 100 km v porovnaní so systémom ECMWF-ENS a pri trojdňovej chybe intenzity na úrovni zhruba 11 uzlov v porovnaní s modelom HWRF. Spoločnosť opisuje tento kombinovaný prínos ako získanie viac než celého jedného dňa predstihu navyše a zhruba desaťročie meteorologického pokroku.
Štúdia prešla recenzným konaním v časopise Nature a medzi jej spoluautormi sú meteorológovia z Národného centra pre hurikány (NHC), inštitútu CIRA a britského Met Office. Recenzné konanie (peer-review) však posudzuje len metodológiu, nie replikáciu samotných výsledkov – priame porovnania modelov vykonali samotní vývojári a inštitúcie, ktoré by za normálnych okolností poskytli nezávislú kontrolu, vystupujú ako spoluautori.
Práve priepasť v rozlíšení je momentom, pri ktorom sa oplatí pozastaviť. Model HWRF prevádzkuje tri vnorené domény zamerané na búrku s nominálnym rozlíšením 13,5, 4,5 a 1,5 kilometra, pričom dve vnútorné domény búrku priamo sledujú. WeatherNext Cyclones potrebuje dáta s rozlíšením 28 × 28 km, čo DeepMind označuje za stonásobne hrubšie v porovnaní s tradičnými modelmi. Jeho kompaktný variant dokonca funguje na ploche 111 × 111 km. Tento stonásobný údaj však porovnáva plošný záber, nie rozstupy v sieti; pri lineárnom meraní ide skôr o pätnásťnásobný rozdiel.
Kde do procesu pravdepodobne vstupujú informácie vo vysokom rozlíšení
Základný model nesimuluje vnútorné jadro búrky, čo naznačuje, že otázka rozlíšenia je pravdepodobne postavená nesprávne. Model WeatherNext Cyclones bol komplexne trénovaný (end-to-end) na približne 20 terabajtoch globálnych atmosférických dát a databáze IBTrACS, ktorá pokrýva takmer 5 000 historických búrok. Samotné údaje o intenzitách z databázy IBTrACS sú však odvodené z leteckého prieskumu a satelitnej analýzy – ide teda o pozorovania na veľmi jemnej škále. Model sa preto pravdepodobne učí mapovať prostredie na makroúrovni voči pozorovanej intenzite, pričom informácie s vysokým rozlíšením doň nevstupujú cez vstupné dáta, ale skôr prostredníctvom tréningových dátových sád. Keďže DeepMind nezverejnil žiadnu ablačnú štúdiu, ktorá by tento jav izolovala, zostáva to zatiaľ iba logickou dedukciou, nie preukázaným faktom.
Jeden detail však sťažuje úplné zavrhnutie výsledkov pri hrubom rozlíšení: kompaktná mini verzia na 111 kilometroch dosahuje taktiež dobré výsledky a funguje na jedinom čipe TPU v bezplatnom prostredí Colab notebook. Ak by bolo rozlíšenie vnútorného jadra skutočne kritickým obmedzením pre schopnosť predpovedať intenzitu, model na 111 kilometroch by sa k takýmto výsledkom nemal ani len priblížiť.
Samotný postoj spoločnosti DeepMind je, že mechanizmus fungovania zostáva otvorený. Zástupcovia spoločnosti tvrdia, že tento výsledok prekvapil aj samotných vedcov a že úplné pochopenie toho, ako modely dokážu tak presne predpovedať vývoj pri takom nízkom rozlíšení, zostáva otvorenou výskumnou otázkou.
Presne v tomto bode sa objavujú protidôkazy
Nezávislý výskum pri tých najdôležitejších búrkach poukazuje presne na opačný trend. Štúdia Ženevskej univerzity a Technologického inštitútu v Karlsruhe, publikovaná v časopise Science Advances, zistila, že AI modely majú tendenciu podhodnocovať intenzitu tých najextrémnejších búrok, ak sa ich sila meria podľa minimálneho tlaku na hladine mora. Štúdia taktiež ukázala, že pravdepodobnostné modely umelej inteligencie, ktoré sú trénované na tých istých dátach z reanalýzy, čelia pri rekordných udalostiach rovnakému problému s extrapoláciou.
Toto je zatiaľ nevyriešený konflikt celej technológie. Model, ktorý sa štatisticky učí intenzitu z približne 5 000 predchádzajúcich búrok, by mal byť najsilnejší pri tých, ktoré sa im najviac podobajú. Najslabší výkon by mal logicky podávať pri bezprecedentných udalostiach – a to sú presne tie situácie, v ktorých má deň varovania navyše pre ľudí najvyššiu hodnotu.
Hurikán Melissa je prevádzkový príklad, ktorým DeepMind argumentuje na prvom mieste, a tak by sme k nemu mali aj pristupovať: Národné centrum pre hurikány predpovedalo úder hurikánu 5. kategórie na Jamajku s päťdňovým predstihom, hoci samotná búrka bola v tom čase len v 1. kategórii. Ide tak o selektívne vybraný úspech pri rýchlej intenzifikácii, nie o dôkaz priemernej úspešnosti tohto modelu.
Čo by to mohlo rozhodnúť
V súčasnosti sú k dispozícii tri relevantné testy. Overovacia správa NHC za rok 2025 predstavuje nezávislé vysvedčenie prevádzkového výkonu modelov za minulú sezónu. Otvorené váhy zároveň umožňujú spustiť ablačnú štúdiu na úrovni vstupného rozlíšenia – stačí model pretrénovať alebo mu znížiť rozlíšenie (downsample) a sledovať, v akom momente začne jeho úspešnosť zlyhávať. Treťou skúškou bude atlantická sezóna 2026, ktorá potrvá do novembra. Tá prinesie búrky pohybujúce sa mimo pôvodného tréningového okna, vrátane vlastných overovacích štatistík NHC za rok 2026.
Zdroje
Google DeepMind: AI model achieves breakthrough in forecasting cyclones
NOAA AOML: HWRF model description (nested domain resolutions)
NOAA AOML: Hurricane Weather Research and Forecast model overview
Science Advances: Physics-based models outperform AI weather forecasts of record-breaking extremes
National Hurricane Center: 2025 forecast verification report
Google DeepMind: WeatherNext and the Hurricane Melissa forecast
