AIがハリケーン予測の限界を突破#
GoogleのDeepMindとGoogle Researchが共同開発したAI気象モデル「WeatherNext」が、ハリケーン予測の分野で前例のない精度を達成した。2026年8月にNature誌に掲載された研究によると、同モデルは従来モデルと比較して平均1日早い予報を実現している。つまり、従来モデルの2日前予報と同等の精度を、3日前の時点で達成できるということだ。
ハリケーン「メリッサ」で実証された予測能力#
2025年10月、カリブ海で発生した嵐がその真価を問うケースとなった。複数の気象モデルが進路について異なる予測を示す中、WeatherNextは上陸の5日前に、その嵐がカテゴリー5のハリケーンとしてジャマイカに上陸するという予測を80%の確信度で提示した。
その嵐は「ハリケーン・メリッサ」として現実となり、ジャマイカ各地に洪水や地滑りをもたらした。しかしAIモデルが早期警報を可能にしたことで、住民は従来より多くの時間をかけて避難準備を整えることができた。また、ナショナル・ハリケーン・センターにとって、嵐がカテゴリー1の段階でカテゴリー5への発達を予測できたのは今回が初めてのことだった。
なぜ「1日」がこれほど重要なのか#
米国立ハリケーンセンター所長のMike Brennan氏は、時間の価値をこう語る。「避難の手配、物資の確保、対応リソースの移動——これらはすべて時間との勝負だ。予報精度を1日前倒しできる能力は非常に価値が高い」。
また、同氏によれば、予報を1日前倒しすることは従来の手法では10年分の研究開発に相当する作業が必要だったという。それをAIが実現したことは、気象科学コミュニティにとって大きな驚きだった。
技術的な挑戦：「進路」と「強度」の両立#
ハリケーン予測が難しい理由の一つは、必要なデータのスケールが全く異なる二つの要素——進路と強度——を同時に予測しなければならない点にある。
- 進路の予測：寒冷前線の位置や卓越風など、地球規模の気象データが必要
- 強度の予測：嵐の周辺における局所的な大気・海洋条件などの細かいデータが必要
論文の共著者であり、大気研究協同研究所の熱帯性低気圧グループリーダーを務めるKate Musgrave氏は、「従来のAIモデルは進路の予測には優れていたが、強度の予測は全くうまくできなかった」と説明する。
さらに驚くべきは、WeatherNextが従来モデルよりも低解像度の大気データを使用しているにもかかわらず、高精度を実現していることだ。DeepMindの研究者であり論文の筆頭著者の一人であるFerran Alet氏は、「低解像度の入力データが、これまで考えられていた以上に多くのシグナルを含んでいるということを意味している。気象コミュニティはこの事実に衝撃を受けた」と述べている。
なぜ低解像度データから高精度予測が可能なのか、研究者たちも完全には解明できていない。Alet氏は「突き詰めればブラックボックスだが、これは物理学者に対して、これまで理解されていなかった何かが起きているというシグナルを与えている」と語っている。
1ストームあたり1,000シナリオを生成#
WeatherNextは単一の予測を出力するのではなく、発達する嵐に対して複数の潜在的シナリオを生成する。これにより、小さな変動が将来的に大きな変化を生む可能性（いわゆる「バタフライ効果」）を捉えることができる。
昨年は1ストームあたり50シナリオを生成していたが、現在は1,000シナリオを生成できるようになっている。Musgrave氏は「既存の数値モデルでは、計算能力の面からそれは不可能だ」と強調する。
オープンソース化で科学的発見への期待#
GoogleのDeepMindは、ハリケーンシーズン中に使用したWeatherNextモデルをオープンソース化することも発表した。研究者コミュニティが自由に利用・改良できるようにすることで、サイクロンの仕組みに関する新たな知見の発見につながることが期待されている。
Alet氏は「AIは宇宙の法則を探る新たなツールを与えてくれている。科学的発見にとても興奮している」とコメントしている。
まとめ#
WeatherNextはハリケーン予測の精度向上という点で顕著な成果を示し、気象科学者たちを驚かせた。従来の10年分の進歩に相当するリードタイムの延長、強度と進路の同時予測、そして大量シナリオ生成能力は、今後の防災対応に大きな影響を与えうる。
ただし、米国立ハリケーンセンターのBrennan氏が指摘するように、WeatherNextはあくまで予報官のツールボックスの一つに過ぎない。「ハリケーンは進路や強度の予報だけではない。その影響が何をもたらすかを専門家が翻訳する必要があり、人を死に至らしめるのは影響そのものだ」という言葉は、AIと人間の協働の重要性を改めて示している。
筆者の見解: 低解像度データからここまでの精度が出るというのは、AI研究においても予想外の発見であり、気象物理学の理解を深める新たな手がかりになる可能性を秘めている。モデルのオープンソース化が、次の科学的ブレークスルーを加速させるかどうか注目したい。
出典: DeepMind’s hurricane breakthrough has surprised weather scientists
