Według wstępnej analizy HurriLab zespół modeli AI Google DeepMind trafnie przewidział trasę huraganu Isaías: wskazał miejsce lądowania najbliższe rzeczywistemu i pomylił się o kilka godzin w prognozie czasu, przygotowanej z wyprzedzeniem przekraczającym trzy dni. Wynik dla siły huraganu był inny. Michael Brennan, dyrektor National Hurricane Center (NHC), powiedział NPR, że oficjalna prognoza NHC miała o 20–40% większą skuteczność w przewidywaniu intensywności Isaías niż prognoza Google DeepMind.
Lądowanie Isaías wyznaczyło punkt odniesienia
Isaías dotarł do lądu w pobliżu Destin na Florydzie około 20:30 czasu CDT 9 października 2026 roku. NHC podało, że maksymalna prędkość utrzymującego się wiatru wynosiła wtedy 105 mph, a szacowane minimalne ciśnienie w centrum huraganu 971 mb.
Trasa opisuje, gdzie i kiedy przemieszcza się huragan. Intensywność dotyczy między innymi siły jego wiatru. To odrębne elementy prognozy, więc dobry wynik dla trasy nie oznacza automatycznie równie dobrego wyniku dla intensywności.
Trasa i intensywność dały różne wyniki
| Prognozowana cecha | Wynik dotyczący Isaías |
| Trasa | Według HurriLab Google DeepMind wskazało miejsce lądowania najbliższe rzeczywistemu i prognozowało jego czas z błędem kilku godzin ponad trzy dni wcześniej. Błędy trasy tradycyjnych zespołów IFS ENS i GEFS przekraczały dwukrotność ich odpowiednich średnich z pięciu lat. |
| Intensywność | Michael Brennan powiedział NPR, że oficjalna prognoza NHC miała o 20–40% większą skuteczność niż prognoza Google DeepMind. HurriLab wskazał też, że prognoza NHC miała najniższe łączne błędy intensywności. |
Wstępna analiza HurriLab porównywała zespoły prognoz, czyli zestawy wielu możliwych scenariuszy. Wykorzystana miara, fair energy score, uwzględniała zarówno błąd trasy, jak i zgodność wyników członków zespołu, z korektą na różną liczbę tych prognoz. W tym porównaniu europejskie modele AI i model AI powiązany z GFS również osiągnęły lepsze wyniki dla trasy niż odpowiadające im tradycyjne zespoły. HurriLab odnotował ponadto dobre wyniki modeli HWRF i HMON w prognozowaniu intensywności z wyprzedzeniem przekraczającym 36 godzin.
NHC łączy wskazania modeli z oceną meteorologów
NHC korzysta z prognoz kilku modeli, zarówno opartych na AI, jak i tradycyjnych. Meteorolodzy interpretują ich wskazania i decydują, co przekazać opinii publicznej. Michael Lowry, meteorolog, który opisał analizę HurriLab, zwracał uwagę, że trudno wyjaśnić, dlaczego modele AI trafnie przewidują pogodę albo się mylą.
Szerszy kontekst prac Google DeepMind nad prognozowaniem cyklonów przedstawia nasz wcześniejszy artykuł o wyróżnieniu modelu WeatherNext Cyclones.
Isaías nie przesądza o skuteczności AI przy innych huraganach
W rozmowie z NPR Brennan wskazał, że model Google DeepMind nie radził sobie dobrze z przewidywaniem trasy huraganu Simon na wschodnim Pacyfiku. To osobny przypadek i inny huragan, który pokazuje, że wynik dla Isaías nie opisuje automatycznie skuteczności modelu przy kolejnych sztormach.
