Microsoft Research vyvinul Probabilistic Bias Correction (PBC), framework strojového učení určený ke zpřesňování předpovědí počasí na dva až šest týdnů. Místo tvorby dalšího meteorologického modelu se zaměřuje na opravy výstupů těch stávajících. Podle Microsoftu první vyhodnocení ukazují přínos při předpovídání teploty, srážek a atmosférického tlaku.
Učení z historických chyb místo náhrady modelu
Základem postupu jsou starší předpovědi konkrétního modelu. Podle Microsoft Research v nich PBC pomocí lehkého systému strojového učení hledá systematické odchylky a naučené opravy následně uplatňuje na výstupní předpověď. Původní meteorologický model tedy zůstává součástí procesu; výzkumníci metodu popsali v nedávném článku v časopise Nature.
Rozdíl oproti běžným korekcím srážek popisuje meteorolog Phillip Okello z Kenya Meteorological Service Authority (KMSA): zatímco ty obvykle mění předpovídané množství deště, PBC upravuje samotné pravděpodobnosti. Microsoft zároveň uvádí, že trénování subsezonních předpovědí cílí na výsledky v jednotlivých lokalitách, aby místní meteorologové mohli lépe využít výstupy globálních modelů.
Výsledky u dvou systémů ECMWF
U provozně používaného subsezonního modelu Evropského centra pro střednědobé předpovědi počasí (ECMWF), který už měl zavedenou korekci systematických chyb, Microsoft Research uvádí další zlepšení. Podíl předpovědních cílů, u nichž PBC zlepšil výsledek, dosáhl 98 % pro srážky, 92 % pro teplotu a 91 % pro tlak.
Samostatně Microsoft Research oznámil zdvojnásobení přesnosti systému AI Forecasting System (AIFS) od ECMWF po použití PBC. Jde o jiný uváděný výsledek než u předchozího modelu, kde procenta vyjadřují zastoupení cílů se zlepšením, nikoli velikost nárůstu přesnosti.
MicroDuet spojil korekce s dynamickým i hybridním modelem
Pro soutěž AI Weather Quest připravil tým MicroEnsemble, složený z výzkumníků Microsoftu a externích spolupracovníků, řešení nazvané MicroDuet. Podle Microsoftu v něm PBC korigoval dynamický model ECMWF a také PoET. Tento hybridní model kombinuje AI s dynamickým přístupem a pomocí transformerů zlepšuje soubory pravděpodobnostních předpovědí.
V úvodní tříměsíční sezoně skončil MicroDuet podle Microsoftu první u všech hodnocených meteorologických veličin a předpovědních horizontů. Předstihl šest předních provozních předpovědních center i systémy 34 týmů z celého světa. Firma mu připisuje nejpřesnější výsledky také za celý rok předpovídání v reálném čase.
Jako konkrétní příklad Microsoft uvádí dvě silné zimní bouře, které zasáhly Spojené státy na začátku roku 2026. MicroDuet je podle firmy předpověděl s předstihem 19 až 26 dnů.
V Keni pomáhá při výhledech dešťů
PBC se dostal také do testování a pilotního využití AI modelů v Keni při nástupu jednoho ze dvou tamních období dešťů. Při přípravě týdenních aktualizací předpovědí pomáhá týmu KMSA rozpoznávat pravděpodobnost velmi silných i velmi slabých srážek.
Okello uvádí, že v oblasti Velkého Afrického rohu přinesl PBC větší zlepšení předpovědí než ostatní metody, které jeho tým testoval. Za další krok označuje zpřesňování výhledů silných dešťů a suchých období, důležitých pro zemědělce.
Otevřený framework a neveřejné testování modelu S2S
Samotný PBC je již dostupný jako open-source software. Výzkumníci a vývojáři jej mohou zkoumat, vyhodnocovat a dále rozvíjet.
V souvislosti s dalším využitím technologie Microsoft představil také stav modelu Microsoft Weather sub-seasonal-to-seasonal (S2S). Ten běží v reálném čase a poskytuje týdenní pravděpodobnostní výhledy až na šest týdnů dopředu. Na rozdíl od otevřeného frameworku je S2S v režimu private preview, tedy v neveřejném testování přístupném vybraným zákazníkům.
