2025年10月、ハリケーン・メリッサがジャマイカに迫っていた。5日前に、DeepMindのWeatherNextは80%の確信度でこう断言した：それはカテゴリー5の強さで上陸するだろう。その通りになった。ハリケーン予報で得られたこの1日が、避難や物資の備蓄を完了するのに十分かどうか、その違いがそれだった。
5日前に、カテゴリー5と断言
嵐がカリブ海上空で渦巻いていたとき、従来のモデルの意見は二分分かれていた。WeatherNextの出した答えはは非常に直接的だった。
2025年10月、カリブ海上空で嵐が渦巻いていた。従来のモデルは確信を持てなかった：それは弱い強度で上陸するのか、それとも強化されてジャマイカに向かうのか。WeatherNextの答えはは非常に直接的：カテゴリー5のハリケーンの強さでジャマイカに上陸するだろう、確信度は80%。後のことはご存知の通り——ハリケーン・メリッサはジャマイカに壊滅的な洪水と土砂崩れをもたらしたが、予報官たちは事前に出された警告のおかげで、沿岸のコミュニティが早くから動き出すことができた。
この結果は『ネイチャー』に掲載された：平均すると、WeatherNextは既存のモデルよりも1日早く警告を発し、3日前の予報は従来のモデルの2日前の予報と同じくらい正確だった。1日の違いは何を意味するのか？アメリカ国立ハリケーンセンターのマイク・ブレナン所長は実に現実的な言葉でこう言った：「たとえ数時間でも大きな違いをもたらすことができる。」避難の組織化、物資の備蓄、資源の動員はすべて時間との競争だ。
データが不足している中、どう学んだのか
ハリケーンのデータはどうしても希少であるため、モデルの最初のステップは「データを借りる」ことだった。
まず避けられない難点を一つ。機械学習（コンピュータが大量のデータから自分で規則を学ぶこと、人間の書いたルールに頼らない）はデータを与える必要があるが、ハリケーンは極端な事象であり、サンプルがもともと少ない。どうするか？グーグルDeepMindの研究科学者Ferran Aletの答えは一言で言えばこうだ：「私たちはそれほど多くのハリケーンのデータを持っていないが、たくさんの天気データを持っている。」だからこのモデルは両方を一緒に学ぶ：通常の天気を予測し、ハリケーンも予測する。
2つ目の難点は、ハリケーンは実は2つの問題だ。嵐の軌跡（ハリケーンがどの経路をたどるか）を予測するには地球規模で見る必要がある——寒冷前線がどこにあるか、卓越風がどの方向に吹いているか；嵐の強さ（ハリケーンがどれほど強くなるか）を予測するには逆に、現地の大気と海洋を拡大して見る必要がある。従来のモデルは両方を兼ねるのが難しく、以前のAIも偏っていた。コロラド州立大学のハリケーングループの責任者Kate Musgraveは率直にこう言った：「以前のAIモデルは軌跡予測は非常に良かったが、強度予測はダメだった。」WeatherNextが補ったのは強度の部分だった。
出力形式も変わった。WeatherNextは単一の答えを出さない：各ストームに対して1000個の可能なシナリオを生成し、昨年は50個だった。さまざまな「バタフライ効果」が計算に入れられ、予報官が見るのは可能性の全体像であり、一本の線ではない。
データが粗いほど、より正確に見える？
もっと奇妙なのは入力部分：解像度が低いデータの方が、情報を多く含んでいるようだ。
常識ではこうだ：低解像度のデータ（精度が粗い天気情報、詳細が見えない）は詳細が見えないため、嵐の強度変化の微妙な変化を捉えるのは難しいはずである。WeatherNextは逆に——トレーニング時には低解像度の地球規模の天気データだけを使用し、強度変化は正確に予測し、嵐がまだカテゴリー1のときに、カテゴリー5に強化されると断言する。
Aletは研究界に、モデルは相当に粗い解像度のデータだけを使用したと伝え、反応は衝撃的だった：粗い入力に含まれる未来イベント情報はみんなが思っていたよりも多い。
低解像度のデータにはまだ掘り出されていない予測能力があることを、この論文は証拠として提示した。
検証のために、研究者は履歴データを使ってバックテストを行ったが、その精度は期待を大きく超えた。粗いデータがなぜ有効なのか、今のところ完全に説明できる人はいない。Aletはそれをブラックボックスと呼んでいる——このブラックボックスこそが、物理学者に渡された論文の新課題である。
オープンソース化後、本当の試練が始まる
DeepMindはハリケーンシーズンにWeatherNextをオープンソース化すると発表した——AIハリケーン予測が論文から実践へと進む。
オープンソース化はすべての研究者がモデルを手に入れ、それを進化させ、また疑問を呈することができることを意味する。『ネイチャー』の論文でのバックテストは最初の試験に過ぎず、本当の試験問題は今シーズンの実際の嵐一つ一つだ：急速に強化される嵐に遭遇したときにも、経路と強度の両方を正しく言い当てることができるか。
Aletの期待は非常に直接的：モデルをオープンにすることで新しい科学的発見が生まれることを期待している。気象学、物理学、コンピュータサイエンスの人々が参加して、粗いデータの中にどのようなシグナルが隠されているのかを解明する——この問題はDeepMind自身がまだ完全に答えを出していない。
WeatherNextのオープンソース化は、AI気象予測が工学的な検証段階に入ったことを示しているが、重要なのはそれがハリケーンシーズン全体を持続できるかどうかだ。1日増えた警告がそれ以上の死傷者減少につながるかどうかは、モデルではなく、各地域の避難対応がその1日に追いつけるかどうかにかかっている。
今すぐにできる4つのこと
一般読者がWeatherNextを直接実行することはできない——それはハリケーンシーズンにオープンソース化される予定だ。しかし、今すぐにできることが3つあり、研究者向けに1つが残されている。
オープンソース化の動向に注目：DeepMindはハリケーンシーズンにこのモデルをオープンソース化すると言っている、DeepMindの公式サイトとGitHub（プログラマーがコードを公開・ダウンロードするサイト）を見て、モデル本体とドキュメントがいつ公開されるかを確認する。
公開後に自分で比較：ハリケーンを選んで、WeatherNextの経路と強度予報を公式予報と比べてみて、増えた1日分がどこから来るのかを確認する。
一つの重要な違いを理解する：以後のハリケーン関連記事を読むときは、「経路予報」と「強度予報」を分けて考える——今回の突破点は強度であり、この2つの難しさは異なる。
深く掘り下げたいなら論文を読む：『ネイチャー』に掲載されたWeatherNextの論文は、低解像度データを使ったトレーニングの方法に注目する。
最後の一線は、AI予測は公式の警告に代わるものではない。真にハリケーンに遭遇したとき、現地の気象部門の警告と避難指示が行動の唯一の根拠である。
本記事はArs Technicaの原文に基づいて執筆（2026-08-08）。メーカーが発表している数字（スコア、減少率等）はすべて公式の数値であり、第三者による独立した再測定は明記しない限り行われていない。