Probabilistic Bias Correction від Microsoft: точніші прогнози погоди на 2–6 тижнів

Прогнози на два тижні стали кращими, але на субсезонних горизонтах — приблизно два–шість тижнів — майстерність різко падає. Дослідники Microsoft просувають Probabilistic Bias Correction (PBC) — фреймворк машинного навчання, який вчиться виправляти систематичні помилки наявних прогнозів, пише The Verge. Підхід також описаний у публікації Microsoft Research.

Що робить PBC

PBC не замінює фізичні чи ШІ-моделі погоди, а стоїть над ними: шукає стійкі зміщення (наприклад, занадто холодні прогнози на тлі потепління клімату) і застосовує ймовірнісні поправки. Lester Mackey з Microsoft Research New England сказав The Verge, що метод може працювати на CPU — це важливо для служб без великих GPU-кластерів.

В оцінці на провідних динамічних і ШІ-системах ECMWF дослідники повідомляють, що PBC подвоїв субсезонну майстерність AI Forecasting System ECMWF і покращив майстерність для 91% цілей тиску, 92% температури та 98% опадів на операційно дебіасованій динамічній моделі — цифри з анотації статті та огляду Verge. Це результати дослідження, а не гарантія для кожної локальної служби.

Конкурс і відкритий код

Microsoft каже, що глобальні прогнози PBC посіли перше місце за змінними й термінами в реал-тайм конкурсі ECMWF AI Weather Quest 2025, випередивши динамічні центри, міжнародний ансамбль, власну ШІ-систему ECMWF і десятки команд. Matthew Chantry з ECMWF назвав роботу корисним внеском для спільноти, але зауважив, що перетворення досліджень на операційні пайплайни лишається складним.

The Verge повідомляє, що ПЗ тепер з відкритим кодом. Співавторка Genevieve Flaspohler (зараз у Rhiza Research) підкреслює легкість навчання для налаштування під регіони, зокрема роботу з метеослужбою Кенії перед сильнішим сезоном дощів El Niño.

Для фермерів, енергетиків і служб реагування на катастрофи цінніші саме субсезонні підказки — якщо національні служби зможуть локально перевірити й впровадити поправки.