冒頭は記事のために生成したイメージ映像です。実機、実在施設、観測データを示すものではありません。
もし、台風の進路と強さを、いまより一日早く同じ精度で読めたら。
港は船を戻せる。病院は停電に備えられる。自治体は避難所を開ける。家族は、暗くなる前に移動できるかもしれない。
気象予報の世界では、その一日はとても重い。
2026年8月6日、Google DeepMindらの研究チームは、台風・ハリケーンなどの熱帯低気圧を予測するAI model「WeatherNext Cyclones」の成果をNatureで発表した。
進路、強度、風域。三つの重要な要素について、主要な運用modelより平均で一日以上早く、同等の予測精度へ到達したという。
「三日先の予報が、これまでの二日先と同じくらい当たる」。開発チームは、この前進を過去約10年分の予報精度向上に相当すると表現する。
すごい。だが、本当に大切な問いは、その次にある。
AIが増やした一日を、私たちは本当に「動ける一日」へ変えられるだろうか。
一つの答えではなく、1,000通りの未来を出す
WeatherNext Cyclonesは、地球全体の大気と熱帯低気圧を一つのmodelで扱い、15日先まで予測する。
特徴は、「この進路になります」と一本だけ線を引くことではない。
最大1,000 memberのensemble、つまり条件を少しずつ変えた1,000通りの未来を生成する。多数のscenarioを見ることで、確率は低くても被害が大きい進路や、急発達の可能性を捨てにくくする。
熱帯低気圧の予測には、長く難しい分業があった。
どこへ向かうかは、地球規模の大気の流れに左右される。一方、どこまで強くなるかは、中心付近の熱や水蒸気など細かな現象が効く。広い世界を見るmodelと、狭い中心を細かく見るmodelの両方が必要だった。
WeatherNext Cyclonesは、約28km四方という従来の高解像度台風modelより粗い入力から、進路だけでなく強度と風域まで予測する。開発チームの技術解説によれば、約20TBの大気dataと、約5,000の過去stormを収めたIBTrACSを使って学習した。
supplementary methodsによると、full modelで15日予報を一本出す時間はTPU v5pで約1分。軽量なMini版なら、1°解像度で単一TPU v4を使い約20〜25秒だ。
速いことと、greenであることは同じではない。
公開資料には、学習・推論の総電力、data centerのPUE、水使用量、carbon intensity、hardware製造まで含むLCAはない。一分で出せることはlatencyの事実だが、carbon削減率には変換できない。
これは研究室だけの「いいscore」ではない
WeatherNextの面白さは、過去dataだけで順位を競って終わっていないことだ。
2025年6月からlive forecastが公開され、米国National Hurricane Center（NHC）やUK Met Officeの予報官が現場で参照した。NHCは2025年を、AI weather modelをreal-time operationsへ取り込んだ最初のseasonと説明している。
同年10月のHurricane Melissaでは、NHCの実際のforecast discussionにGoogle DeepMindのGDMIとECMWFのAI modelが登場する。NHCはそれらを有力なguidanceとして見ながら、航空機観測、物理model、別のAI model、過去の予報と重ね、公式予報を組み立てた。
結果としてNHCは、Category 1相当だった段階から、MelissaがCategory 5へ達する可能性を五日前に予報した。GoogleはWeatherNextがその判断を支えたと報告している。
ただし、「AIがCategory 5を言い当てた」と短くまとめると、大事なところが消える。
決めたのはAI一体ではなく、異なる観測とmodelを読み、人間の予報官が責任を持つsystemだった。
NHCもmodelの読み方で、平均すれば公式予報は個別modelより誤差が小さいと説明する。よく当たる一体を王様にするのではなく、複数の得意と失敗を束ねることが、運用では強さになる。
実戦投入したからこそ、地味な弱点も見えた
NHCの2025年検証報告は、Google DeepMindのmodelを非常に有用だったと評価する。一方で、開発途上のAI systemsの一部は、予報官が日常業務で使う時間までに安定して届かなかったとも記している。
天気は締切を待ってくれない。
翌日に素晴らしい予報が届いても、今日の警報には使えない。accuracyが一番でも、運用時刻に落ちれば、その日の実力はゼロになる。
さらにWeatherNextは、2025年9月25日にcyclone trackerを更新した。neural networkそのものが同じでも、格子状の予測から台風の中心、強さ、風域を読み出す後段処理を変えると、強度と風域の精度が大きく改善した。
これは地味だが、とても重要な事実だ。
現場で使われるAIの品質は、model名だけでは決まらない。
観測data、初期条件、tracker、version、配信時刻、monitoring、fallback。全部つながって、はじめて一つの予報systemになる。
「一日早く当たる」と「一日早く逃げられる」は違う
ここが、この技術を評価するうえで最も大切な境界だ。
論文が示した「一日」は、同じ程度の予測誤差へ到達するlead timeの平均的な差である。すべての台風で24時間早く正解する保証でも、住民全員の避難時間が24時間増える約束でもない。
予測から行動までには、少なくとも五つの区間がある。
観測し、複数の予測を検証する。
誰が、どの確率で公式警報を出すか決める。
地域の浸水、停電、交通、医療riskへ翻訳する。
携帯、radio、sirens、地域networkを通じて届かせる。
住民と組織が、理解し、移動し、設備を止め、助け合う。
どこか一つが切れれば、予報で稼いだ時間は途中で止まる。
UNDRRとWMOの2025年global reportでは、119か国、世界の60%超がmulti-hazard early warning systemの存在を報告した。裏返せば、まだ世界全体を覆えてはいない。
より包括的な早期警戒systemを持つ国は、能力が限定的な国より災害関連死亡率が約6分の1だった。ただし、これは観察された関連であり、AI model一つの効果ではない。
UNDRRの2026年AI報告も、forecastだけでなく、risk knowledge、monitoring、warning communication、preparednessの四本柱をつなぐよう求める。human oversight、責任の所在、低速回線、多言語、地域住民との共同設計まで含まれる。
一日早い予報は、受け取る仕組みがある場所では大きな贈り物になる。
でも、通信が届かない。避難先がない。仕事を離れられない。警報を信じる関係がない。そんな場所では、一日は画面の中に残ったままだ。
論文の予測lead timeと、住民が行動できる時間を分けた編集的整理。予測改善だけで避難時間が自動的に増えるわけではない。 図を大きく開く
UNDRR/WMO報告等が示す警報伝達の構造を編集的に整理。 図を大きく開く
AIはextremeに弱いのか
AI weather modelには、珍しく激しい現象を平均側へ丸めるのではないか、という批判がある。過去には猛烈な風や記録的高温を弱く予測した例も報告された。
2026年7月のpreprintは、欧州の観測点でAIと物理modelを比較し、「extremeに弱い」はAI全体の一様な性質ではなく、modelごとの問題だと報告した。
ただし、この研究は査読前で、欧州10か月、1〜48時間予報が中心だ。そしてAI・物理の両方に、観測分布の中心へ寄る共通biasも見つけた。
だから結論は、「AIならextremeも安心」ではない。
平均score、tailでのskill、false alarm、見逃し、地域別の誤差を、別々に検証し続ける必要がある。
WeatherNext論文でも、地域全体ではおおむね改善した一方、ENSやHAFSが優位なcaseは残る。特にHAFSとの強度比較は、進路ほど単純ではない。
日本でも、物理modelは消えない
台風の通り道にある日本にとって、これは遠い話ではない。
気象庁は2026年6月、AIが台風進路を得意としているとの認識を示しながら、物理modelとAI modelを「両輪」で開発すると説明した。
AIを動かすにも、過去何十年の再解析data、日々の観測、物理modelが作る解析結果が必要になる。AIが物理を追い出すのではなく、物理と観測がAIの土台になり、AIの大量scenarioが人間の判断を厚くする。
これは置き換えの物語ではない。役割を組み直す物語だ。
導入側が見るべき五つのgate
企業や自治体がweather AIを使うなら、「従来より何%高精度か」だけでは足りない。
Verification: 自社region、自社hazard、自社の必要lead timeで検証したか。
Availability: 必要時刻までに届くか。停止時のfallbackはあるか。
Calibration: 確率と実際の頻度が合うか。rare eventで過信していないか。
Authority: 誰が公式判断を出し、誤りを訂正し、責任を持つか。
Action: その情報を受けた人が、何を、いつ、どう変えるか決まっているか。
最後の問いまで答えられなければ、それは賢い予測画面ではあっても、防災systemにはまだなっていない。
予報は、行動になって初めて価値を持つ
WeatherNext Cyclonesは、AIが科学の画面から現場の判断へ入ったことを示す、強い前進だ。
codeとmodel weightsも公開された。軽量版は無料Colabでも試せる。大きな気象機関だけでなく、研究者や地域の技術者が検証へ参加できる入口が開いた。
なお2026年9月3日には、より高頻度・高解像度（1時間ごと・5km格子）のglobal weather model「WeatherNext 3」も発表されている。台風の進路・強度予測という本稿の核心部分を置き換えるものではないが、weather AIの進化はこの記事の時点で止まっていない。
実際の災害時は、気象庁など地域の公式気象機関が発表する警報・避難情報を確認してほしい。
WeatherNextの公開repositoryも、model outputは政府機関の公式alert、warning、noticeを置き換えないと明記している。
だからこそ、次に競うべきはmodel scoreだけではない。
予報を安定して届けること。異なるmodelを疑いながら束ねること。地域のriskへ翻訳すること。警報を、読める言葉と使える時間で届けること。そして、受け取った人が動ける仕組みを先に作っておくこと。
AIは未来を一日早く見せ始めた。
その一日を守れる時間へ変える仕事は、ここから人と制度の側に戻ってくる。
