AI od Microsoftu zpřesňuje předpověď počasí na 2 až 6 týdnů

Předpověď na zítřek je dnes velmi přesná a zhruba na dva týdny dopředu je pořád dobrá. Pak ale spolehlivost prudce klesá, a to u klasických fyzikálních modelů i u nových AI modelů. Tým vedený výzkumníky z Microsoftu 14. října 2026 publikoval v časopise Nature studii Advancing subseasonal forecasting with machine learning, která na tento problém míří.

O co jde: oprava chyb místo nového modelu

Metoda se jmenuje Probabilistic Bias Correction (PBC), česky zhruba „pravděpodobnostní oprava systematických chyb“. Nejde o další samostatný model počasí. PBC se pomocí strojového učení z historických předpovědí a skutečně naměřených dat „naučí“, v čem se konkrétní model soustavně mýlí, a tyto chyby pak opravuje.

Jak pro The Verge vysvětlil Lester Mackey z Microsoft Research New England, typickým příkladem je změna klimatu: model, který vychází z historických záznamů, může kvůli oteplování soustavně předpovídat nižší teploty, než jaké dnes skutečně bývají.

Pojem pro začátečníky: subsezónní předpověď je předpověď na 2 až 6 týdnů dopředu. Leží mezi běžnou předpovědí počasí a sezónními výhledy.

Výsledky podle studie

Autoři metodu vyzkoušeli na předních modelech Evropského centra pro střednědobé předpovědi počasí (ECMWF):

• U fyzikálního modelu ECMWF, u kterého se systematické chyby opravovaly už dřív, zlepšila PBC kvalitu předpovědi u 91 % cílů pro tlak, 92 % pro teplotu a 98 % pro srážky.
• U předpovědního AI systému ECMWF (AIFS) PBC na subsezónních lhůtách jeho dosud skromnou úspěšnost zdvojnásobila.
• V soutěži ECMWF AI Weather Quest v roce 2025 dosáhly globální předpovědi PBC nejlepších výsledků u všech veličin a všech předstihů. Porazily modely šesti operačních předpovědních center, mezinárodní soubor modelů, AI systém ECMWF i 34 dalších týmů z celého světa.

Proč na tom záleží: levné a dostupné

Podle The Verge PBC zvládne běžet na obyčejných procesorech (CPU), takže nepotřebuje superpočítač ani drahé grafické karty. Microsoft software zveřejnil jako open source. Spoluautorka Genevieve Flaspohler, dnes ředitelka neziskové organizace Rhiza Research, metodu testuje s keňskou meteorologickou službou. Chce zpřesnit včasná varování před obdobími vydatných dešťů.

Matthew Chantry, který v ECMWF vede strategii strojového učení, studii pro The Verge označil za dobrý příklad nových nápadů, které odborná komunita potřebuje. Zároveň upozornil, že nejtěžší je dostat nápad do běžného provozu. To je důležitá výhrada: zatím jde o výzkum, ne o hotovou službu.

Český úhel: proč to sledovat

• ECMWF je i „naše“ centrum. Česká republika je podle přehledu ECMWF jeho spolupracujícím státem (Co-operating State). Spolupracující státy dostávají data numerických předpovědí ECMWF v reálném čase a používají je pro vlastní předpovědi. Lepší modely ECMWF se tak můžou nepřímo promítnout i do předpovědí pro střední Evropu.
• Zemědělci, energetici, vodohospodáři. Předpověď na několik týdnů dopředu pomáhá plánovat setí a sklizeň, hospodaření se zásobami vody nebo výrobu a spotřebu energie. Studie výslovně zmiňuje zemědělské plánování, energetiku a připravenost na katastrofy.
• Extrémní počasí. Podle autorů metoda zpřesňuje i předpověď extrémních jevů. Po povodních posledních let je to pro Česko důležité téma.

Upozornění: Neověřovali jsme, jestli Český hydrometeorologický ústav plánuje metodu PBC využít. Článek popisuje výzkum, ne změnu českých předpovědí.

Náš pohled

Tohle je příjemně „nenápadná“ AI. Nestaví další obří model, ale chytře opravuje ty stávající a provoz je levný. Právě takové nástroje mají šanci dostat se i k menším meteorologickým službám. Jestli a kdy se promítnou do předpovědí, které vidíme v aplikacích, zatím nevíme.

Ve zkratce

• Metoda PBC pomocí strojového učení opravuje systematické chyby předpovědí na 2–6 týdnů.
• Výrazně zlepšila výsledky modelů ECMWF a vyhrála soutěž AI Weather Quest 2025.
• Běží na obyčejných CPU a je zveřejněná jako open source.

Článek vznikl s pomocí AI a před publikací ho zkontrolovala redakce Promptovna.cz.