新しいAIが天気予報の「2週間の壁」を越えることに成功
天気予報は、畑に種をまく時期、水や電気のやりくり、山火事や大雨への備えを決める手がかりになっています。
物理の計算とAIの進歩で、今では2週間先まで、かつてないほど正確に当たるようになりました。
ところが、その先になると話が変わります。
2週間を過ぎると、世界最高とされる予報でさえ、気温などで成績が大きく落ち込むのです。
過去の記録だけから「平年並み」を見込む単純な予報に負けることも、珍しくありません。
一方で、3〜4週間先は、寒波や洪水への警報が最も役に立つ時期でもあります。
今回、研究チームが目をつけたのは、予報そのものではなく、予報が繰り返す「外れ癖」でした。
外れ癖を直すだけで、この「2週間の壁」の先は見通せるようになるのでしょうか？
研究の詳細は、米マイクロソフト・リサーチらにより、2026年10月14日付で学術誌『Nature』に掲載されました。
2〜6週先が「予測可能性の砂漠」と呼ばれる理由
2週間という限界は、米マサチューセッツ工科大学(MIT)のエドワード・ローレンツが50年以上前に唱えた考えです。
大気はあまりに気まぐれ(カオス)で、その先は予測できないとしたのです。
今回の研究チームの一人、MITのジューダ・コーエン氏は、この考えを完全には受け入れてこなかったといいます。
実際、予報が先へ行くほど崩れる大きな理由の一つは、計算の仕方にあります。
予報は大気の動きを一歩ずつ先へ進めて計算するため、一歩ごとの小さな誤差が積み重なっていくのです。
3週目に入る頃には、たまった誤差が、予報の中の役に立つ情報を覆い隠すほどになります。
そのため2〜6週間先は、専門家に「予測可能性の砂漠」と呼ばれてきました。
そこで研究チームは、予報を一から作り直すのではなく、予報の外れ方を直す道具を作りました。
名前は「確率的バイアス補正(PBC)」で、確率で表した予報の偏りを直すという意味です。
PBCは、過去のデータから学んで答えを良くしていく、新しい機械学習(AI)の仕組みです。
PBCが受け取るのは、予報モデルが条件を少しずつ変えて計算した、たくさんの予報の束(アンサンブル予報)です。PBCはそれを、ある週の気温や雨が、過去の記録を5段階に分けたどの段に入るかの確率に直し、その確率を手直しします。
手直しは2本立てです。
1本目は、過去20年分の予報と実際の天気を場所ごと・季節ごとに突き合わせ、いつも出る外れ分を差し引きます。
いつも少し遅れる時計なら、その分を足して時刻を読めばよい、という考え方です。
2本目は、予報を、直近数週間に実際に起きた天気や、平年の値と混ぜ合わせます。
そして2つの答えを平均したものが、最終的な予報になります。
計算はとても軽く、新しいデータが届くたびに毎日学び直しても、スーパーコンピューターはいりません。
スパコンいらずの補正を、気象庁も並ぶ本番の予報競争にかけると？
チームはまず、PBCを3種類の予報に取り付けて、腕前を試しました。
1つ目は、世界で最も正確とされる欧州中期予報センター(ECMWF)の予報で、物理の法則で大気を計算します。
2つ目は同じセンターの新しいAI予報、3つ目は欧州の予報をAIで手直しする組み合わせ型の予報です。
調べたのは、3週先と4週先の、週ごとの気温・雨・気圧の予報です。
答え合わせには実際の天気を使い、欧州の予報は2016〜2024年、AI予報は2025年、組み合わせ型の予報は2024年の分で調べました。
点数は、過去の記録を5段階に分けて「どの段も同じくらいの確率」と言うだけの予報(平年並みの予報)を0点とし、それより当たればプラス、外れればマイナスになります。
もとの欧州の予報は、気温と気圧ではマイナス、雨もわずかにプラスという低い成績でした。
PBCを通すと雨の点数は3倍になり、気温と気圧もプラスに転じて、平年並みの予報を上回りました。
一方、センター自身が毎日かけている標準の補正では、雨の点数はほぼ0のままでした。
標準の補正をかけた予報と比べても、PBCは気温で9割を超える地点、気圧で約9割の地点、雨では98%の地点で成績を上回りました。
AI予報では平均の腕前が2倍になり、組み合わせ型の予報でも雨の腕前が68〜98%上がりました。
さらに、PBCをかけた欧州の予報は、欧州の物理の予報を上回るとされるAI予報「FuXi-S2S」と比べても、気温・雨・気圧のすべてで96〜100%の地点で成績が上でした。
伸びが最も大きかったのは、どのモデルも苦手とする雨でした。
次の舞台は、答えがまだ誰にも分からない、本物の未来の予報です。
2025年、ECMWFは、参加者が毎週リアルタイムで世界の予報を出し、腕前を競うコンテストを始めました。
チームは「MicroDuet(マイクロデュエット)」という名前で、PBCをかけた2つの予報を合わせて参加しました。
最初の秋の回で、MicroDuetは気温・雨・気圧のすべてで、3週先・4週先ともに1位になりました。
負かした相手には、ECMWFや米国の海洋大気庁(NOAA)、日本の気象庁など、6つの予報機関の補正済み予報が含まれます。
さらに、その6つを合わせた予報や、ECMWF自身のAI、世界の34チームの予報も上回りました。
特に雨では、どの機関の補正済み予報も、平年並みの予報に負けていました。
6機関の予報を合わせるとプラスに戻りますが、MicroDuetの雨の腕前は、その2〜3倍に達しました。
続く冬の回でも3週先・4週先ともに最も良い成績で、1年を通しても首位でした。
2つの回を通して、すべての項目と予報の期間で欧州の補正済み予報を統計的にはっきり上回ったのは、MicroDuetだけでした。
コーエン氏は「私たちのモデルは一貫して平年の平均に勝った。それはとても難しいので、重要な発見の1つだ」と話しています。
2025年11月には、こんな場面もありました。
MicroDuetの4週先の予報が、12月中旬に米国東部を寒波が襲うと示していたのです。
予報はその時点で公開されており、実際に極端な寒さだったことも確かめられています。一方、欧州の補正済み予報はこれを見逃していました。
予報の外れ癖を直すだけで、平年並みという単純な予報を上回り、本番の勝負でも参加したどの予報より当たったのです。
命に関わる大雨を見抜けるか、そして直せないもの
とはいえ、大きな被害を生むのは、めったに起きない極端な天気です。
2021年2月には、冬の嵐で米テキサス州が州史上最悪の電力障害に見舞われ、少なくとも246人が亡くなりました。
もっと早く警報が出ていれば、電力網や救援の備えに使える時間が増えた可能性があります。
そこでチームは、場所ごとに最も暑い・寒い・雨が多い・少ない5%に入る週を見つけるよう、PBCを学び直させました。
すると欧州の予報で極端な暑さを見つける腕前が、標準の補正より51%上がりました。
その伸びは一部の地域に偏らず、地図の大部分に広がっていました。
次に、国際的な災害警報の仕組み(GDACS)が記録した過去10年ほどの洪水について、その周りの雨の予報を調べました。
同じ欧州の予報を元にしても、PBCは洪水周辺の雨の腕前を76〜92%上げ、標準の補正は逆にほぼ0まで下げてしまいました。
中でも、死者が100人を超えるか、家を追われた人が8万人を超えた洪水は「深刻な洪水」に分けられます。
こうした88件では、標準の補正をかけても何もしない予報と変わらないか、かえって悪くなりましたが、PBCは腕前を86〜150%引き上げました。
洪水の中でも、PBCによる伸びが最も大きかったのは、こうした深刻な洪水でした。
ただし、PBCは万能ではありません。
直せるのはモデルが繰り返す外れ癖で、モデルがもともと捉えていない兆しを生み出すことはできません。
そのため著者らは、PBCをより良いモデルの代わりではなく、予報を仕上げる工程だと位置づけています。
点数もプラスとはいえ控えめで、全体では平年並みより当たっても、一つひとつの予報は外れることがあります。
数週間先の予報が災害への備えや電力、農業などに役立つという証拠は増えていますが、その多くは個別の事例ごとに独自の手直しをしたものだと著者らは書いています。
なお、著者の何人かはマイクロソフトに勤めているか、同社の株を持っています。プログラムは誰でも無料で使えます。
一方で、PBCは軽く安く動くため、資源の限られた国の気象機関でも、今ある予報を磨ける可能性があります。
実際、ケニアの気象局から、農家向けの雨季の予報に使えないかと問い合わせがあったと、コーエン氏は話しています。
論文が紹介している例では、2018年にケニアを襲った大洪水の際、数か月先を見る季節予報は外れましたが、数週間先の雨の予報ははっきり警告を出しており、備える時間がありました。
巨大な計算機を新たに使わず、今ある予報の「いつもの外れ方」を毎日覚え直すだけで、4週間先の寒波を言い当てる予報が生まれたのです。
参考文献
Scientists just broke through a major barrier in weather forecasting (Earth.com)
https://www.earth.com/climate/scientists-just-broke-through-a-major-barrier-in-weather-forecasting/
元論文
Advancing subseasonal forecasting with machine learning
https://doi.org/10.1038/s41586-026-11126-x
ライター
山下 浩介: むずかしい研究を、なるべく分かりやすく伝えたい。専門の言葉はふだんの言葉に置きかえて、身近な例で例える。それで「わかった」「楽しかった」と言ってもらえたら嬉しいです。
好きなのは、通学路や台所や日常の中にある科学。眠っているあいだに記憶が整理される話や、虫の鳴き方に意味がある話のように、読み終わったあとに誰かへ話したくなる研究を探しています。
編集者
ナゾロジー 編集部