AIがいかに天気予報を変えているか：GraphCast、AIFS、そしてカナダのGEML

ヨーロッパと北米の気象機関は、数十年にわたる物理ベースの予測システムと人工知能モデルを並行して運用し始めており、場合によっては両者を組み合わせている。このシフトは、AIが単一プロセッサで数秒以内にグローバル10日間予報を生成できる能力に駆動されており、一方、従来の数値気象予測には数時間のスーパーコンピュータ時間が必要である。これはGoogleのDeepMindおよび欧州中期予報センター（ECMWF）によると。

GraphCastとAIFSが実際に行うこと

GoogleのDeepMindによって構築されたGraphCastは、グラフニューラルネットワークを使用して、地球の表面をカバーする100万以上のグリッドポイントにわたって天気データを処理する機械学習モデルである。解像度は28×28キロメートルである。6時間前の大気状態と現在の状態を取り込んで、次の6時間を予測する。このステップを繰り返し実行すると、10日間の予報が生成される。モデルとその結果は2023年11月14日に雑誌Scienceに掲載され、Google DeepMindの独自の発表によると、コードはオープンソースとしてリリースされた。

ECMWFは独自のシステムである人工知能予報システム（AIFS）を構築し、2025年2月25日に運用を開始した。これはセンターの伝統的な物理ベースの統合予報システム（IFS）と並行して実行される。AIFSはIFSと同じ開始データを使用する。約6000万の品質管理された観測データは、衛星、航空機、ブイ、地上局から6時間ごとに収集される。しかし、物理方程式を直接解く代わりに、歴史的な気象パターンで訓練された機械学習モデルを適用する。これはECMWFによると。

AIモデルの精度について、構築した組織による評価

GoogleのDeepMindは、GraphCastがECMWFのHigh Resolution Forecast（HRES）（同社が業界ベンチマークと説明している）より正確な予測を、1,380のテスト変数とリード時間の90%以上で生成したと報告している。成層圏特有の変数については、99.7%で正確であった。成層圏は気象が起こる大気層である。DeepMindはまた、GraphCastがハリケーン・リーのノバスコシア上陸を9日前に予測したと述べた。

ECMWFは、AIFSが「熱帯低気圧トラックを含む多くの指標について、最先端の物理ベースモデルを上回る性能を発揮し、最大20%の改善が見られる」と報告している。一方、従来の方法と比較して、予報あたり約1,000倍少ないエネルギーを使用する。

カナダのハイブリッドアプローチ：物理モデルを導くAI

カナダ環境気候変動省は異なるルートを採用し、DeepMindのオープンソースGraphCastコードの上に構築された「Global Environmental eMuLator」（GEML）というカナダのAIモデルを開発し、カナダの歴史的気象データで訓練した。物理ベースのモデルを置き換える代わりに、機関は「スペクトルナッジング」という手法を通じて両者を組み合わせている。伝統的なモデルは、GEMLによって生成された大気状態に向かって優しく導かれる。一方、激しい気象に関連する細かいスケールの詳細は、確立された物理方程式を使用して進化し続ける。これは機関の公式発表によると。ハイブリッドシステムは1年以上のテストの後、2026年5月27日に運用を開始した。

カナダ環境気候変動省は、AIモデルは大規模な大気パターンについて従来のコンピュータモデルを上回る性能を発揮できると述べた。これは長いリード時間で最も重要である。しかし、機関は発表で具体的な改善数値を公開しなかった。

AIが依然として不足している場所

ECMWFとカナダ環境気候変動省の両方は制限を指摘した。ECMWFのAIFSは現在、決定論的な単一予報としてのみ実行される。不確実性を評価するための50の予報変動を提供するアンサンブルバージョンは、ECMWFによると、まだ開発中である。カナダ環境気候変動省は、現在のAIモデルは、単独では限られた数の変数のみを予報し、運用使用には不十分であると述べた。また、AIモデルは大気の細かい詳細を平滑化し、特定のタイプの極端な気象の精度を低下させる可能性がある。これは機関がAIのみのシステムの代わりにハイブリッド設計を選択した理由の1つである。