Додавання кроку корекції машинного навчання до існуючих моделей погоди помітно покращило прогнози на два-шість тижнів. Про це повідомила команда під керівництвом Microsoft Research 14 жовтня 2026 року в журналі Nature.
Метод не передбачає погоду сам. Він вчиться на повторюваних помилках системи: порівнює її минулі прогнози з реальною погодою і коригує наступний випуск. Такі середньострокові прогнози потрібні для посадки, розподілу води, енергетики та підготовки до стихійних лих.
Автори зазначають: і класичні, і нові AI-системи на цьому діапазоні часто поступаються простому довгостроковому середньому для дати. Корекція імовірнісного зміщення робить дві поправки — одну для помилок, прив’язаних до місця й сезону, другу з урахуванням свіжих спостережень — і усереднює їх.
Результат помітний скрізь, де метод застосували. На відміну від уже виправлених прогнозів ECMWF, нова корекція покращила прогнози опадів у 98 % квадратів сітки світу. На AI-системі центру вона подвоїла середній бал за 2025 рік (було 0,03 — майже на рівні «прогноз не кращий за середнє»).
У конкурсі AI Weather Quest 2025 (ECMWF) запис на цій корекції зайняв перше місце за всіма змінними та термінами, обійшовши моделі шести центрів, їхній ансамбль, три версії AI ECMWF і 34 інші команди. Усі шість центрів програвали довгостроковому середньому за опадами.
На 2435 подіях повеней із каталогу Глобальної системи оповіщення ООН і Єврокомісії корекція підняла якість прогнозу з 76 % до 92 % порівняно з сирим виходом ECMWF. Власне зміщення центру, навпаки, погіршило результат.
Автори називають метод етапом постобробки, а не заміною моделей. Він дешевий і підходить центрам з обмеженими обчисленнями. Код відкритий.
