Microsoft відкрила код PBC, ШІ-інструмента для усунення упередженості в прогнозах погоди

14 жовтня 2026 року дослідники Microsoft опублікували в журналі Nature статтю про Probabilistic Bias Correction (PBC), метод машинного навчання, який, за їхніми словами, робить прогнози погоди на два–шість тижнів уперед точнішими. Компанія випустила цей інструмент як програмне забезпечення з відкритим кодом. Серед співавторів дослідники з MIT, Європейського центру середньострокових прогнозів погоди (ECMWF) та інших установ.

Прогнози як традиційних систем на основі фізичних моделей, так і новіших ШІ-моделей після позначки в два тижні зазвичай втрачають надійність. Замість того щоб створювати ще одну самостійну прогностичну модель, команда Microsoft вирішила виправляти помилки, уже закладені в наявних моделях. Компанія сподівається, що такий підхід сподобається метеорологічним службам з обмеженим бюджетом.

Боротьба із систематичним упередженням

Усі прогностичні моделі спираються на наближення, щоб заповнювати прогалини, наприклад у регіонах із малою кількістю метеостанцій або там, де атмосферні процеси ще не до кінця зрозумілі науковцям. Такі обхідні рішення можуть перетворитися на систематичне упередження, а помилки зростають тим більше, чим далі в майбутнє дивиться модель. PBC використовує машинне навчання, щоб виявляти це упередження та коригувати його. Лестер Маккі, старший головний дослідник Microsoft Research New England, наводить як приклад зміну клімату: модель, навчена на історичних даних, може прогнозувати надто холодну погоду для сьогоднішнього потепління.

За словами дослідників, PBC покращив роботу провідної фізичної моделі ECMWF за 98 відсотками цільових показників опадів і 92 відсотками цільових показників температури. В аналізі, наведеному в дослідженні, він також удвічі підвищив точність нової ШІ-системи прогнозування ECMWF. Ще до публікації ECMWF відзначив цю роботу в межах свого конкурсу AI Weather Quest. Меттью Чантрі, стратегічний керівник центру з машинного навчання, схвалив цю ідею, але застеріг: «перетворення ідей на реальність [в] оперативному процесі є надзвичайно складним кроком».

Досить легкий для менших служб

Прогнозування на основі фізичних моделей потребує суперкомп'ютерів, а генеративний ШІ потребує потужних GPU, тоді як Маккі каже, що PBC може працювати лише на CPU. Великі обчислювальні потреби довго не дозволяли багатьом службам у країнах, що розвиваються, впроваджувати нові методи прогнозування. Співавторка Женев'єв Фласпоулер стверджує, що оскільки модель легка і її просто навчати, науковці без значних ресурсів можуть налаштувати її під власні регіони.

Фласпоулер працювала над PBC як стажистка Microsoft, а тепер очолює неприбуткову організацію Rhiza Research, яка разом із Службою метеорологічних служб Кенії за фінансування Фонду Гейтса перевіряє, чи може ШІ покращити раннє попередження. PBC входить до методів, що оцінюються перед сезоном дощів, який, за очікуваннями, буде більш екстремальним під час рекордного Ель-Ніньо. Ця робота ставить Microsoft поруч із Google, Nvidia та іншими компаніями, що створюють ШІ-інструменти для прогнозування погоди.