Microsoft、天気予報を改善する新たな機械学習ツールを発表

Microsoft は、2週間を超えると信頼性が落ちる天気予報の問題を、機械学習で改善する手法を発表した。研究者らは、2〜6週間先の予報を低コストで精度よくする方法を見つけたとし、成果は科学誌 Nature に掲載された。手法は確率的バイアス補正（PBC）と呼ばれ、新しい天気予報モデルを一から作るのではなく、既存モデルに含まれる系統的な偏りを機械学習で補正する。欧州中期予報センター（ECMWF）の代表的な物理モデルでは、降水量の予測対象の98%、気温の予測対象の92%で精度が改善したという。研究の分析では、ECMWF の新しい AI 予報システムの精度を2倍にしたとされる。PBC は GPU ではなく CPU でも動くため、資源の限られた気象機関でも使いやすいことを狙っている。ツールはオープンソースソフトウェアとして公開された。

ここが面白い。気象研究の多くは「より賢い予報モデルを作る」競争だが、PBC は「既存の予報のクセを直す」という地味な発想だ。物理モデルも AI モデルも、観測の少ない地域や複雑な大気現象の隙間を近似で埋めるため、その埋め方に系統的なズレが生まれる。先の予報ほど誤差が積み重なるのは、このズレが時間とともに膨らむからだ。温室効果ガスで地球が温暖化しているのに、過去の記録で学んだモデルは実態より寒い予測に偏る、という例がそれを象徴している。新車を買うより、今の車の癖を理解してハンドルを直すほうが安くつく、というのがこの研究の本音だと読める。

農業や防災のように「2〜6週間先に備えたい」場面は、中小企業にも多い。農作業の段取り、資材の仕入れ、工事や出荷の日程など、週単位の見通しの精度が上がるほど判断は楽になる。ただし、これは論文と公開ツールの段階の成果であり、ECMWF の関係者も「アイデアを運用の現場に落とすことが最も難しい」とコメントしている。明日すぐ使うなら、天気予報を唯一の判断材料にせず、自社の経験値、たとえば雨天時の作業量や仕入れ先の休業パターンと突き合わせる習慣を持つことだ。予報は当たるかどうかより、外れたときに何をするかを決めておく道具として使うと効く。