Tekoäly antoi vuorokauden lisäaikaa paeta hirmumyrskyä

Google DeepMind kertoi tällä viikolla Nature-lehdessä julkaistusta mallista, joka ennustaa trooppisen hirmumyrskyn radan, voimakkuuden ja tuulikentän rakenteen yhdellä kertaa. Aiemmin nämä kolme on jouduttu laskemaan eri malleilla, koska myrskyn liike riippuu koko ilmakehän suurista virtauksista ja sen voimakkuus siitä, mitä myrskyn silmän ympärillä tapahtuu.

Tulos, johon huomio kiinnittyy, on yksinkertainen. WeatherNext Cyclones -mallin kolmen vuorokauden ennuste on yhtä tarkka kuin aiempien mallien kahden vuorokauden ennuste. Varoitusaikaa tulee siis yli vuorokausi lisää.

DeepMind vertaa lukua alan kehitysvauhtiin: yhtä suureen parannukseen on historiallisesti mennyt noin vuosikymmen. Vertailukohtina olivat ECMWF:n ensemble-ennuste radan osalta ja yhdysvaltalainen HWRF-malli voimakkuuden osalta, aineistona vuosien 2023 ja 2024 myrskyt.

Vuorokausi on evakuoinnissa pitkä aika

Vuorokausi kuulostaa vähältä, mutta myrskyvaroituksessa se on koko ero. Rannikkokaupungin evakuointi ei tapahdu tunneissa. Bussit pitää järjestää, hätämajoitus avata, sairaalapotilaat siirtää ja tiet ohjata yhteen suuntaan.

Satamissa vuorokausi ratkaisee, ehtivätkö laivat ulos myrskyn tieltä vai jäävätkö ne hakkaamaan laituriin. Sähköyhtiöt siirtävät korjausryhmiä etukäteen alueen ulkopuolelle, jotta ne pääsevät sisään heti myrskyn jälkeen. Vakuutusyhtiöille tarkempi ennuste tarkoittaa, että tarkastajat ja varaukset ovat valmiina oikeassa paikassa.

Mitä tarkempi ennuste, sitä pienempi osa varoitusalueesta evakuoidaan turhaan. Sillä on väliä enemmän kuin miltä kuulostaa: turhat evakuoinnit maksavat ja syövät ihmisten halua lähteä seuraavalla kerralla.

Lokakuussa 2025 hurrikaani Melissa iski Jamaikalle luokan 5 myrskynä, voimakkaimpana saarta koskaan kohdanneena. DeepMindin mukaan malli antoi 80 prosentin todennäköisyyden luokan 5 voimakkuudelle viisi vuorokautta etukäteen, kun myrsky oli vielä luokkaa 1. Kolme vuorokautta ennen rantautumista todennäköisyys oli lähes sata prosenttia.

Fysiikan ratkaisemisesta datasta oppimiseen

Perinteinen sääennuste on fysiikkaa. Ilmakehä jaetaan hilaksi, ja supertietokone ratkaisee jokaiseen ruutuun virtausyhtälöt askel kerrallaan eteenpäin. Se on raskasta laskentaa: yksi ennusteajo vie tunteja ja paljon sähköä.

WeatherNext ei ratkaise yhtälöitä. Se on opetettu noin 20 teratavulla ilmakehän havaintohistoriaa ja IBTrACS-tietokannan noin 5 000 myrskyn radoilla, ja se tuottaa ennusteen tunnistamalla, mitä samankaltaisista alkutilanteista on ennen seurannut. Malli tekee tuhat vaihtoehtoista skenaariota alle minuutissa yhdellä TPU-piirillä.

Oudoin yksityiskohta on erotuskyky. WeatherNext toimii noin 28 kilometrin hilalla, siis selvästi karkeammalla kuin perinteiset hurrikaanimallit. DeepMind myöntää suoraan, ettei sekään tiedä, miksi malli ennustaa myrskyn ytimen käyttäytymistä näin tarkasti resoluutiolla, joka ei periaatteessa näe ydintä lainkaan.

Kuka tässä kertoo ja mikä on tarkistettu

Uutisen lähde on tekoäly-yhtiön oma blogi, ja yhtiö on asianosainen. Kannattaa siis erottaa, mikä on käynyt läpi vertaisarvioinnin ja mikä on yrityksen viestintää.

Vertaisarvioitu osa on Naturessa 6. elokuuta julkaistu tutkimusartikkeli, jossa mallia verrataan vuosien 2023 ja 2024 myrskyihin. Se on kunnollinen tieteellinen tulos, mutta myös kapea: kaksi kautta on lyhyt otos ilmiöstä, jota sattuu muutamia kymmeniä kertoja vuodessa.

Riippumattominta tukea antaa Yhdysvaltain kansallisen hurrikaanikeskuksen NHC:n oma vuoden 2025 verifiointiraportti, jonka mukaan WeatherNext oli kauden paras yksittäinen malli sekä radan että voimakkuuden osalta. Se ei ole DeepMindin mittaus vaan viranomaisen jälkikäteisarvio kaikista käytössä olleista malleista.

Blogin Melissa-kertomus sen sijaan on yhtiön itse valitsema esimerkki, poimittu jälkikäteen onnistuneista tapauksista. Yksittäinen osuma ei kerro, kuinka usein malli menee metsään. DeepMind muistuttaa itsekin, että viralliset varoitukset antaa kansallinen sääpalvelu, ei malli.

Sama muutos näkyy Euroopassa

Koneoppimismallit eivät ole yksin Googlen juttu. ECMWF otti helmikuussa 2025 käyttöön ensimmäisen operatiivisen tekoälypohjaisen ennustejärjestelmänsä AIFS:n, joka pyörii samalla noin 28 kilometrin hilalla. Keskuksen mukaan AIFS päihittää fysiikkamallit monilla mittareilla, trooppisten myrskyjen radoissa jopa 20 prosentilla, ja kuluttaa noin tuhannesosan energiasta.

Tällä on merkitystä myös Suomessa. Suomi on ECMWF:n jäsenmaa, ja Ilmatieteen laitoksen keskipitkät ennusteet nojaavat keskuksen malliajoihin. Kun ECMWF vaihtaa osan laskennastaan opitulle mallille, muutos valuu lopulta myös suomalaisen syysmyrskyn tuulivaroitukseen.

ECMWF on samalla suorasukainen mallien rajoista. Keskuksen omassa AIFS-blogissa todetaan, että koneoppimismallit pärjäävät hyvin suurten virtausten kuvaamisessa mutta kompuroivat yhä paikallisissa tuulipuuskissa ja myrskyn rakenteessa. Juuri ne ratkaisevat, kaatuuko puu tien päälle.

DeepMind on julkaissut WeatherNext Cyclonesin koodin ja mallin painot GitHub:ssa, joten mikä tahansa sääpalvelu voi ajaa mallia itse ja verrata sitä omiinsa. Se on tässä tapauksessa olennaisempaa kuin yksikään blogin luku: avoin malli on tarkistettavissa ilman, että pitää uskoa tekijän sanaan.

Seuraava koe on käynnissä juuri nyt. Atlantin hurrikaanikausi kestää marraskuun loppuun, ja NHC julkaisee kauden verifiointiraportin sen jälkeen. Silloin nähdään, toistuuko viime kauden tulos silloinkin, kun kertojana ei ole mallin tekijä.