Google DeepMindは2026年8月6日、AI気象予測モデル「WeatherNext」に関する研究成果を科学誌Natureで発表しました。熱帯サイクロン(台風・ハリケーンの総称)の進路・強度・風の構造を1つのモデルで予測し、これまで2日先までしか出せなかった精度の予報を3日先まで延ばすことに成功しています。避難や備蓄の判断に使える警報のリードタイムが、実質1日分伸びたことになります。
背景と文脈
台風やハリケーンの進路予測は、これまで気象力学に基づく物理シミュレーションが主力でした。気圧・気温・風向風速などの方程式を計算する手法で、精度は年々上がってきたものの、計算に大量の演算資源と時間がかかります。サイクロンのように急速に強度が変わる現象では、計算が追いつかず予報が粗くなる場面もありました。
近年はGoogle DeepMindの気象予測モデル群「WeatherNext」のように、大量の観測データから気象パターンを学習するAIモデルが台頭しています。物理法則を一から計算する代わりに、過去の気象データと結果の関係をモデルに学ばせる方式です。今回発表されたモデルは、世界中の風のパターンと個々の嵐の挙動を1つのモデルで結び付けて予測する点が特徴です。従来は全球の気象と個別の嵐を別々のモデルで扱うことが多く、両者を統合した点が今回の成果の土台になっています。
学習には約20テラバイトの全球気象データに加え、過去の熱帯低気圧の経路や強度を記録したデータベース「IBTrACS」を使っています。IBTrACSは世界気象機関系の複数機関が管理する、過去の嵐の記録を集めた公開データベースです。全球の気象データと個別の嵐の実績データをあわせて学習させたことで、進路だけでなく強度や風の広がりまで一体で予測できるようになりました。
技術/ビジネス面
今回の精度向上を支えるのが、Functional Generative Networks(FGN:1つの気象状況に対して多数の予測パターンを生成し、予報の「幅」つまり不確実性を表現する生成モデルの手法)です。2025年時点では50通りの予測パターンを生成していましたが、今回のモデルでは1000通りに拡大しました。急速強化のような発生頻度は低いものの被害が大きい現象も、シナリオの数を増やすことで拾いやすくなります。
計算効率も大きな特徴です。GoogleがAI処理向けに開発した専用プロセッサTPU(Tensor Processing Unit)を使えば、15日分の予報を1分未満で計算できます。しかも従来モデルが必要としていた解像度の100分の1にあたる、28キロメートル四方という比較的粗いメッシュで高精度を実現しているといいます。計算コストを抑えながら予測範囲を広げられる点は、研究機関に限らず気象事業者の運用面でも意味を持ちます。
Google DeepMindはコードとモデルの重みをオープンソースとして公開し、研究用途から実運用の予報まで自由に使えるようにしました。公開されたのは3種類です。ハリケーンシーズン向けの「WeatherNext Cyclones」、汎用の全球予測モデル「WeatherNext 2」、そして無料のGoogle Colab(ブラウザ上でPythonコードを実行できる無料のノートブック環境)でも動く軽量版「WeatherNext 2-mini」が揃っています。単一のTPUで動く2-miniがあることで、大規模な計算資源を持たない研究者や開発者でも試しやすくなっています。
これからどうなるか
WeatherNextは既に実運用の段階に入っています。2025年の大西洋ハリケーンシーズンでは、米国立ハリケーンセンター(NHC:アメリカでハリケーンの監視・警報を担う政府機関)がハリケーン・メリッサの急速強化とジャマイカ上陸の予測にこのモデルを使った実績があります。研究段階のモデルが、人命に関わる警報の現場で実際に使われ始めている点は見逃せません。
開発者にとっての意味も小さくありません。モデルの重みはApache 2.0ライセンス(改変・商用利用を含め比較的自由に使える公開ライセンス)で公開されています。既存の気象データ処理パイプラインへの組み込みや、独自の地域向けのファインチューニング(追加データで既存モデルを微調整すること)にも道が開けました。無料のColabで動く軽量版があることも、個人や小規模チームが手元の環境で試す際のハードルを下げます。防災アプリや保険のリスク評価など、気象予測を組み込むプロダクトの精度設計にも影響しそうです。
まとめ
Google DeepMindのWeatherNextは、サイクロン予測のリードタイムを2日先から3日先へと広げ、Nature誌でその成果が認められました。1000通りの予測パターンを扱うFGNと高速なTPU計算に加え、モデルをオープンソース化した点も特徴です。実際の防災現場での活用も既に始まっています。
参考リンク
- WeatherNext AI model achieves breakthrough in forecasting cyclones
- Google DeepMind’s WeatherNext Adds a Day to Tropical Cyclone Forecast Lead Time
- Google DeepMind WeatherNext AI
アイキャッチ画像: Photo by Eddie Wingertsahn on Unsplash
