2026年8月、Google DeepMindは学術誌『Nature』に成果を発表した。AIによる熱帯低気圧（台風・ハリケーン）の予報精度が、従来のスパコンによる数値予報モデルを上回ったというものだ。具体的な数値も示されている。WeatherNext による3日先の進路・強度予報の精度は、旧来のモデルにおける2日先のレベルに相当する。つまり、予報官は手元に新たな「24時間」の猶予を得たことになる。
この進歩の価値は極めて大きい。DeepMindの試算によれば、気象学における10年分の進歩に相当するという。過去50年間で、熱帯低気圧は世界全体で70万人以上の命を奪い、1兆4000億ドル規模の経済損失をもたらしてきた。台風、ハリケーン、サイクロンと呼び名は異なれど、いずれも洋上で発生し巨大な渦を巻いて陸地へと押し寄せる暴風雨である。警戒時間が1時間伸びるごとに、避難できる人々の数は確実に増える。
図：WeatherNextによるハリケーンの進路と強度の予測模式図。同心円は異なる風速域を示す。出典：deepmind.google
従来の天気予報：スパコンの中で解く物理方程式
従来の手法をおさらいしておこう。100年以上の歴史を持つ気象学は、スパコン上で物理方程式を解くことで発展してきた。地球の大気を無数のメッシュ（格子）に区切り、ニュートン力学や熱力学の法則に基づいて、各格点における気温・気圧・風速の推移を計算していく。
しかし、この方法は膨大な計算時間とコストを要する。全球モデルでは計算負荷を抑えるため格子が粗くなり、台風の微細構造を解像しようと高解像度化すれば、必要な計算資源は跳ね上がる。さらに深刻なのはジレンマだ。台風の進路は数千キロ離れた大気環流に左右されるため粗い格子の全球モデルが得意とする一方、台風の強度は台風の目周辺の局所的な熱力学プロセスに依存するため高解像度モデルが不可欠となる。従来の予報は、2つのモデルを行き来しながら妥協を強いられてきた。
AI予報：40年分の天気を記憶した「ベテラン予報官」
WeatherNext が採ったのは全く異なるアプローチだ。物理方程式を直接解くのではなく、過去の膨大なデータから気象のパターンを学習する。訓練データには約20TBに及ぶ全球大気再解析データに加え、国際熱帯低気圧データベース（IBTrACS）に記録された過去5000個近くの風暴データが用いられた。AIに過去40年間の地球の天気を丸ごと読ませ、台風の発生、転向、急発達の法則をモデルパラメータの中に記憶させたようなものだ。
予測時には現在の気象状態を入力するだけで、わずか1分足らずで今後15日間の予報を出力する。料理に例えるなら、従来の予報が毎回粉の計量から始めるのに対し、AIは40年分のレシピを完ぺきに暗記しており、冷蔵庫を開けた瞬間に作るべき料理が分かるような状態だ。
図：5日間の予報期間における進路・強度・風速域の誤差比較。青線のWeatherNextが全期間で最小の誤差を示し、約1日分の精度優位性を示している。出典：deepmind.google
ブレイクスルーを支える3つの数字
1日の猶予。 3日先予報の精度が旧手法の2日先レベルに達したことで、警戒発令のタイミングを実質24時間前倒しできる。沿岸部の住民にとっては窓の補強や持ち物の整理、早めの避難行動に向けた24時間となり、予報官にとっては最高レベルの警報を発令する判断材料となる。
誤差の削減。 2023年から2025年の3年平均で、3日先の進路誤差はヨーロッパ中期天気予報センター（ECMWF）のアンサンブル予報より約100km小さく、強度誤差もハリケーン専用モデルより約11ノット（約20km/h）小さかった。上陸地点が100kmずれれば浸水被害を受ける都市が変わり、風速が11ノット違えば建物の倒壊リスクが大きく変わる。
図：2023年から2025年における年ごとの3日先予報誤差。青色のWeatherNextは進路誤差で約100km、強度誤差で約11ノット低い値を示している。出典：deepmind.google
アンサンブルの「広さ」。 従来の運用モデルでは数テンパターンの予測にとどまっていたが、WeatherNext は今年アンサンブルメンバーを1000パターンに拡大し、「急速発達（Rapid Intensification）」のような低確率・大災害のシナリオをカバーした。急速発達は台風予報における最難関問題の一つだが、2025年のハリケーン・メリッサ（Melissa）の急発達とジャマイカ上陸を事前予測し、米国立ハリケーンセンター（NHC）による早期警戒の根拠となった。
さらに研究者を驚かせたのは、WeatherNext が従来モデルより100倍粗い28×28km解像度のデータで高精度を達成した点だ。論文著者は公告で、この理由について「未解決の課題である」と素直に認めている。粗い解像度で十分であれば計算コストが劇的に下がり、予算の限られた発展途上国の気象局でも最高水準の予報が利用可能になることを意味する。
見落としてはならない限界
コミュニティの議論では懸念の声も上がっている。Hacker Newsでの議論では300以上のポイントと100件以上のコメントが集まり、特に訓練データにおける極端現象（エキストリームウェザー）の不足が取り沙汰された。5000個の風暴データは一見多く思えるが、巨大台風は裾野の広い「ヘビーテール」分布を持つ。100年に1度の超巨大台風は、過去40年のデータには含まれていない可能性がある。批判派は「未知の現象に対してAIが堂々と誤った予測を出すリスク」を危惧し、肯定派は「従来の物理モデルも極端現象には無力であり、少なくともAIは1000個のアンサンブルで不確実性を提示できる」と主張する。双方に理があり、議論は現在も続いている。
説明可能性（XAI）の低さも課題だ。28km解像度でなぜこれほどの精度が出るのか、著者自身も完全には解明できていない。気象学者が物理メカニズムに基づいて予報理由を説明しようとするのに対し、データ駆動型のAIは明確な根拠を示せない。現状の運用ではAIモデルを従来モデルと併用してクロスチェックを行う形が主流であり、DeepMind側も最終的な意志決定は人間の予報官が行うべきだと強調している。同社はコードやモデル重みをすべてオープンソース化し、単一の TPU や無料の Colab ノートブックで動作する111km解像度のミニ版も併せて公開した。
おわりに
提示された数値の中で最も心に響くのは、得られた「24時間」の重みである。台風が接近する際、警戒時間が1日増えることで、沿岸の漁村は船を確実に繋ぎ止め、住民を safe zone へ避難させる時間を確保できる。
100年以上の歴史を誇る気象学は、AIによって静かに再構築されつつある。その方向性はきわめてシンプルだ。「暴風雨の接近を、一人でも多くの人に、より早く伝えること」。未経験の極端気象に対してAIがどこまで通用するかは今後の検証を待つ必要があるが、人間の予報官とAIが互いを補完し合うアプローチこそが、最も堅実な道と言えるだろう。
参考リンク：
- Google DeepMind: WeatherNext ハリケーン予報のブレイクスルー
- HN ディスカッション (item?id=49220126)
