Microsoft udostępnia w otwartym kodzie PBC, narzędzie AI korygujące błędy w modelach pogodowych

Badacze Microsoftu 14 października 2026 roku opublikowali w czasopiśmie Nature artykuł opisujący Probabilistic Bias Correction (PBC), czyli probabilistyczną korekcję błędów, metodę uczenia maszynowego, która ma sprawić, że prognozy pogody z wyprzedzeniem od dwóch do sześciu tygodni będą dokładniejsze. Firma udostępniła narzędzie jako oprogramowanie open source. Współautorami są naukowcy z MIT, Europejskiego Centrum Prognoz Pogody Średnioterminowej (ECMWF) oraz innych instytucji.

Prognozy zarówno tradycyjnych systemów opartych na fizyce, jak i nowszych modeli AI zwykle tracą wiarygodność po przekroczeniu dwutygodniowego horyzontu. Zamiast budować kolejny samodzielny model prognostyczny, zespół Microsoftu postanowił skorygować błędy już zakodowane w istniejących modelach. Firma liczy, że takie podejście zainteresuje służby meteorologiczne o ograniczonych budżetach.

Walka z systematycznym błędem

Wszystkie modele prognostyczne korzystają z przybliżeń, by wypełnić luki, na przykład w rejonach z niewielką liczbą stacji meteorologicznych albo tam, gdzie procesy atmosferyczne nie są jeszcze w pełni zrozumiane. Te obejścia mogą przerodzić się w systematyczny błąd, a błędy rosną wraz z wydłużaniem horyzontu prognozy. PBC wykorzystuje uczenie maszynowe, by wykrywać ten błąd i go korygować. Lester Mackey, starszy główny badacz w Microsoft Research New England, jako przykład podaje zmianę klimatu: model wytrenowany na danych historycznych może zaniżać temperatury w dzisiejszym, ocieplającym się świecie.

Według badaczy PBC poprawił wyniki wiodącego modelu ECMWF opartego na fizyce w 98 procentach celów dotyczących opadów i w 92 procentach celów dotyczących temperatury. W analizie z badania narzędzie podwoiło też dokładność nowego systemu prognozowania AI ECMWF. Centrum doceniło tę pracę jeszcze przed publikacją, w swoim konkursie AI Weather Quest. Matthew Chantry, strategiczny lider centrum ds. uczenia maszynowego, przyjął ten pomysł z zadowoleniem, ale dodał zastrzeżenie: „przekucie pomysłów w rzeczywistość [w] procesie operacyjnym to najtrudniejszy krok”.

Na tyle lekkie, by mogły z niego korzystać mniejsze służby

Prognozowanie oparte na fizyce wymaga superkomputerów, a generatywne AI potężnych procesorów graficznych GPU, tymczasem Mackey twierdzi, że PBC może działać wyłącznie na procesorach CPU. Wysokie wymagania obliczeniowe od dawna powstrzymywały wiele służb z krajów rozwijających się przed wdrażaniem nowych technik prognostycznych. Współautorka Genevieve Flaspohler uważa, że dzięki lekkości modelu i łatwości jego trenowania naukowcy bez dużych zasobów mogą dostosować go do własnych regionów.

Flaspohler pracowała nad PBC jako stażystka w Microsoftcie, a obecnie kieruje organizacją non-profit Rhiza Research, która we współpracy z Kenijską Służbą Meteorologiczną (Kenya Meteorological Service Authority), finansowana przez Fundację Gatesów, sprawdza, czy AI może usprawnić wczesne ostrzeganie. PBC należy do metod ocenianych przed sezonem deszczowym, który ma być bardziej ekstremalny w czasie rekordowego El Niño. Ta praca stawia Microsoft obok Google, Nvidii i innych firm budujących narzędzia AI do prognoz pogody.