9. svibnja 2026.
Vremenski modeli umjetne inteligencije nerijetko su bolji od konvencionalnih prognoza. Međutim, nova studija pokazuje kako sustavi umjetne inteligencije predviđaju toplinske valove, hladnoću i oluje lošije od klasičnih vremenskih modela.
Kakvo će vrijeme biti u sljedećih 14 dana? Tijekom testiranja, vremenski modeli umjetne inteligencije (AI) u prosjeku daju preciznije i bolje odgovore na ovo pitanje od konvencionalnih modela prognoze vremena.
No, već dugo vremena postoji sumnja kako prognostički modeli umjetne inteligencije slabe upravo u intenzivnim i rijetkim vremenskim prilikama poput ekstremnih vrućina ili oštrih početaka zime. Istraživački tim s Instituta za tehnologiju u Karlsruheu testirao je ovu sumnju uz međunarodnu podršku: modeli umjetne inteligencije iz Googlea i Huaweia natjecali su se s modelom iz Europskog centra za srednjoročne vremenske prognoze.
O rezultatima najnovijeg istraživanja učinkovitosti modela umjetne inteligencije u prognozi vremena za ugledni njemački portal Tagesschau piše znanstveni novinar, i autor Pascal Kiss*:
Modeli umjetne inteligencije (AI) podcjenjuju ekstreme
Testovi su bili postavljeni tako da su vremenski modeli trebali predvidjeti vrijeme od 2018. do 2020. godine – naravno bez poznavanja vremenskih podataka za budućnost. Istraživački tim mogao je precizno analizirati koliko uspješno prognoziraju AI modeli u odnosu na tradicionalne europske modele. Tijekom testnog razdoblja promatrani su samo periodi ekstremnih vremenskih prilika. Rezultati istraživanja objavljeni u prestižnom časopisu Science Advances bili su jasni: modeli umjetne inteligencije (AI) imali su lošije rezultate u usporedbi s konvencionalnim prognostičkim modelima.
Modeli umjetne inteligencije (AI) bili su skloni podcjenjivanju jakih toplinskih valova i ekstremnih hladnoća. Čak i u najžešćim olujama, AI modeli su više griješili nego konvencionalni vremenski modeli. „Što su događaji ekstremniji, modeli umjetne inteligencije ih više podcjenjuju", kaže dr. Sebastian Sippel s Instituta za meteorologiju Sveučilišta u Leipzigu. Također pokazalo se kako AI modeli podcjenjuju učestalost vremenskih ekstrema.
Zašto AI modeli slabe u ekstremnim vremenskim uvjetima
Vremenski modeli umjetne inteligencije (AI) treniraju se na podacima iz prošlosti. Ako izostaju ekstremni vremenski uvjeti, umjetna inteligencija je u nepovoljnom položaju kada je u pitanju predviđanje. Konvencionalni modeli tada imaju prednost. Njima su poznati svi prirodni zakoni u atmosferi.
Modeli umjetne inteligencije primarno traže dostupne podatke iz uzorka i sami uče atmosfersku dinamiku. Ali ako su ekstremni vremenski uvjeti vrlo rijetki ili ih nema u uzorku, modeli umjetne inteligencije su tu nemoćni. „Uvjeti koji se nisu ili su se jedva dogodili imaju slabiji podatkovni prikaz”, kaže dr. Nicole Ludwig s Instituta za računalne znanosti Sveučilišta u Augsburgu. Međutim, istraživački tim je mogao promatrati učinak samo tijekom vrlo ekstremnih vremenskih prilika.
Klimatske promjene također su izazov za modele umjetne inteligencije. Kako se Zemlja zagrijava, uvjeti i ovisnosti u složenoj atmosferi se mijenjaju. "Ne bismo trebali očekivati da će takvi modeli raditi u budućim klimatskim uvjetima koji se ne pojavljuju u povijesnim podacima", kaže Niklas Boers, profesor modeliranja Zemljinog sustava na Tehničkom sveučilištu u Münchenu. To znači da se umjetna inteligencija mora neprestano usavršavati.
Može li umjetna inteligencija predvidjeti ekstremne vremenske prilike u budućnosti?
Pogled u budućnost pokazuje kako već postoje moderniji modeli umjetne inteligencije koji bi mogli biti bolji nakon ponovnih testiranja. Dr. Nicole Ludwig govori o novijim tehnologijama u kojima se neizvjesnosti u predviđanjima mogu specificirati pomoću umjetne inteligencije. „Najnoviji model umjetne inteligencije eksplicitno generira skupove mogućih vremenskih obrazaca i trebao bi biti bolje prilagođen predviđanju ekstrema." Pritom koristi ansamblsku vremensku prognozu - naprednu metodu računalnog modeliranja vremena koja umjesto jedne simulacije pokreće desetke ili stotine usporednih izračuna s blago promijenjenim početnim uvjetima. Prikazuje stupanj pouzdanosti atmosfere i vjerojatnost nastanka određenih vremenskih scenarija (npr. kiše ili toplinskih valova).
Modeli umjetne inteligencije i konvencionalni prognostički modeli će se u budućnosti koristiti istovremeno. „Čini se kako je kombinacija oba modela u hibridnom sustavu prognoze idealno rješenje", kaže dr. Roland Potthast iz Njemačke meteorološke službe (DWD).
Dizajniranje kombiniranog sustava prognostičkih modela već je započelo u Njemačkoj meteorološkoj službi (DWD).
„Trenutačno je važno prepoznati u kojim će slučajevima umjetna inteligencija dati bolje rezultate, a u kojima neće. Kontinuirana testiranja modela umjetne inteligencije nameću se kao prijeka potreba“, zaključuje se u najnovijoj studiji o vremenskim prognostičkim modelima umjetne inteligencije.
Podaci o radu:
Autori: Zhongwei Zhang, Erich Fischer, Jakob Zscheischler, Sebastian Engelke
Izvorni naslov: Physics-based models outperform AI weather forecasts of record-breaking extremes
Godina publiciranja rada: 2026
Naziv časopisa: Science Advances
Bibliografska baza: WOSSCI
Kvartil: Q1
Impact factor (2025): IF=12.5
Detaljnije o ovom radu može se vidjeti na poveznici:
Izvori: Science Advances; Scinexx.
* Pascal Kiss dolazi iz Freiburga im Breisgau u južnom Badenu. Studirao je novinarstvo i medijske studije u Mainzu. Posebno ga zanimaju teme iz područja fizike, biologije i medicine. Od 2019. godine radi kao znanstveni novinar za SWR. Kao školovani videonovinar redovito izvještava za znanstvenu emisiju *Nano* na kanalu 3sat, za ARD Aktuell (uključujući emisije *Tagesschau* i *Mittagsmagazin*) te za *SWR Aktuell*. Također se redovito pojavljuje pred kamerom u sklopu TikTok formata *Solid Science*, gdje predstavlja najnovije vijesti iz svijeta znanosti – sadržaj koji se emitira i na radijskim postajama SWR-a.