Microsoft открыла исходный код PBC — ИИ-инструмента для устранения систематических ошибок в прогнозах погоды

14 октября 2026 года исследователи Microsoft опубликовали в журнале Nature статью, в которой описывается вероятностная коррекция смещений (Probabilistic Bias Correction, PBC) — метод машинного обучения, который, по их словам, делает прогнозы погоды на срок от двух до шести недель более точными. Компания выпустила инструмент как программное обеспечение с открытым исходным кодом. Среди соавторов исследователи из MIT, Европейского центра среднесрочных прогнозов погоды (ECMWF) и других учреждений.

Прогнозы как традиционных физических систем, так и более новых моделей ИИ, как правило, теряют надёжность примерно после двух недель. Вместо создания очередной самостоятельной прогнозной модели команда Microsoft решила исправлять ошибки, уже заложенные в существующие модели, — такой подход, по её мнению, может заинтересовать метеорологические службы с ограниченным бюджетом.

Работа с систематическими смещениями

Все прогнозные модели опираются на приближения, чтобы восполнять пробелы, например в районах с малым количеством метеостанций или в атмосферных процессах, которые учёные пока понимают не до конца. Такие обходные решения могут превратиться в устойчивое систематическое смещение, а ошибки растут по мере того, как модель смотрит дальше в будущее. PBC использует машинное обучение, чтобы выявлять такое смещение и вносить поправки. Лестер Маки, старший главный научный сотрудник Microsoft Research New England, в качестве примера называет изменение климата: модель, обученная на исторических данных, может давать более низкие температуры, чем в сегодняшнем, более теплом мире.

По данным исследователей, PBC улучшил работу ведущей физической модели ECMWF в 98 процентах случаев для прогнозов осадков и в 92 процентах случаев для прогнозов температуры. По результатам анализа в исследовании он также вдвое повысил точность новой системы ИИ-прогнозов ECMWF. Ещё до публикации ECMWF отметил эту работу в рамках своего конкурса AI Weather Quest. Мэтью Чантри, стратегический руководитель центра по машинному обучению, приветствовал идею, но добавил оговорку: «превращение идей в реальность [в] оперативном процессе — самый сложный этап».

Достаточно легковесен для небольших служб

Физическое прогнозирование зависит от суперкомпьютеров, а генеративный ИИ — от мощных графических процессоров, тогда как, по словам Маки, PBC может работать только на центральных процессорах. Высокие вычислительные требования долгое время мешали многим метеорологическим службам в развивающихся странах внедрять новые методы прогнозирования. Соавтор Женевьев Фласпоулер утверждает, что благодаря лёгкости модели и простоте обучения учёные, не располагающие большими ресурсами, могут настраивать её для своих регионов.

Фласпоулер работала над PBC в качестве стажёра Microsoft и сейчас возглавляет некоммерческую организацию Rhiza Research, которая при финансировании Фонда Гейтса сотрудничает с Кенийской метеорологической службой, чтобы проверить, может ли ИИ улучшить системы раннего предупреждения. PBC входит в число методов, которые оцениваются перед сезоном дождей, ожидаемым в условиях рекордного Эль-Ниньо и отличающимся повышенной экстремальностью. Эта работа ставит Microsoft в один ряд с Google, Nvidia и другими компаниями, которые создают ИИ-инструменты для прогнозирования погоды.