WeatherNext: Bước đột phá của Google DeepMind trong dự báo siêu bão bằng AI

Ngày 6 tháng 8 năm 2026, Khoa học

Nhóm WeatherNext

WeatherNext cho phép dự báo bão chính xác, giúp kéo dài thời gian cảnh báo thêm một ngày. Hiện nay, chúng tôi đã mở mã nguồn (open source) cho mô hình này.

Dự đoán sự phát triển của các cơn bão nguy hiểm là một thách thức lâu đời, nơi mỗi giờ đều vô cùng quý giá. Các cơn bão nhiệt đới — còn được gọi là bão cuồng phong (hurricanes) hoặc bão lớn (typhoons) — là một trong những hiện tượng thời tiết tàn phá nặng nề nhất trên Trái đất, gây ra hơn 700.000 ca tử vong và 1,4 nghìn tỷ USD thiệt hại kinh tế trên toàn cầu trong 50 năm qua. Đối với các chuyên gia dự báo, việc đưa ra những cảnh báo chính xác và kịp thời là một cuộc chạy đua không ngừng với thời gian.

Hôm nay, trong một bài báo được công bố trên tạp chí Nature, chúng tôi chứng minh rằng mô hình AI WeatherNext của mình đã đạt được độ chính xác hàng đầu trong việc dự đoán đường đi, cường độ và cấu trúc gió của bão. Trung bình, mô hình của chúng tôi giúp các chuyên gia dự báo có thêm một ngày độ chính xác dự đoán: các dự báo ba ngày của chúng tôi có chất lượng tương đương với những gì các mô hình trước đây chỉ có thể cung cấp cho hai ngày tới. Mức độ cải thiện này tương đương với khoảng một thập kỷ tiến bộ trong ngành khí tượng học.

Công trình hợp tác này đã quy tụ các nhà nghiên cứu và kỹ sư AI tại Google DeepMind và Google Research, cùng các chuyên gia dự báo tại Trung tâm Bão Quốc gia (NHC), Viện Hợp tác Nghiên cứu Khí quyển (CIRA), Cơ quan Khí tượng Vương quốc Anh (UK Met Office) và các cơ quan thời tiết trên khắp thế giới.

Nghiên cứu của chúng tôi đã tạo ra tác động thực tế. Trong mùa bão năm 2025, mô hình của chúng tôi đã giúp NHC đưa ra dự báo mang tính lịch sử về cơn bão Melissa bằng cách dự đoán chính xác sự tăng cường độ nhanh chóng và thời điểm đổ bộ vào Jamaica. Điều này cho phép NHC đưa ra cảnh báo sớm, giúp các đội ngũ tại hiện trường có thời gian chuẩn bị quan trọng. Năm nay, chúng tôi tiếp tục hợp tác và hiện đang dự đoán 1.000 kịch bản có thể xảy ra cho mỗi cơn bão để hỗ trợ các chuyên gia dự báo trong việc ra quyết định.

Thời tiết ảnh hưởng đến tất cả mọi người. Với tác động sâu rộng này, chúng tôi hiện đang mở mã nguồn các mô hình WeatherNext 2 và WeatherNext Cyclones đã được sử dụng trong mùa bão. Bằng cách cung cấp công nghệ này một cách công khai, chúng tôi hy vọng sẽ trao quyền cho cộng đồng nghiên cứu và khuếch đại tác động của AI trong việc xây dựng các cộng đồng có khả năng chống chịu tốt hơn – dù đó là cung cấp cho các chuyên gia dự báo địa phương những công cụ cần thiết để chuẩn bị cho thiên tai, hỗ trợ sự phát triển của năng lượng tái tạo hay dự đoán thời tiết cực đoan.

Cách WeatherNext dự báo thời tiết và bão

Bắt đầu từ các điều kiện khí quyển toàn cầu trong cơn bão Milton (tháng 10 năm 2024), WeatherNext Cyclones dự đoán lặp đi lặp lại cả các mô hình thời tiết toàn cầu và đường đi của bão ở quy mô chi tiết lên đến 15 ngày. Việc chạy một tập hợp 1.000 thành viên (ensemble) tạo ra các bản đồ xác suất cục bộ về gió bão nhiệt đới đến sức gió cấp bão cuồng phong.

Việc dự báo bão thường buộc phải đánh đổi giữa hai kỹ thuật mô hình hóa khác nhau. Đường đi của bão (nơi nó di chuyển đến) được dẫn dắt bởi các dòng khí quyển toàn cầu khổng lồ, vốn trước đây được mô hình hóa tốt nhất bởi các mô hình toàn cầu có độ phân giải thấp hơn. Tuy nhiên, cường độ của bão (mức độ mạnh lên) lại được thúc đẩy bởi các quá trình vật lý nhiệt động lực học ở quy mô nhỏ, cục bộ xung quanh tâm bão, vốn được mô hình hóa tốt nhất bởi các mô hình địa phương chuyên biệt, độ phân giải cao hơn.

Mô hình WeatherNext của chúng tôi thu hẹp khoảng cách này bằng cách cải thiện dự báo cho thời tiết toàn cầu nói chung cũng như các cơn bão. Đây là một mô hình AI duy nhất dự đoán đường đi, cường độ và cấu trúc gió của bão nhiệt đới với độ chính xác hàng đầu. Nó đạt được bước đột phá này thông qua sự kết hợp độc đáo giữa quá trình đào tạo, kiến trúc và cách tiếp cận đối với các đầu vào có độ phân giải thấp.

Chúng tôi đã đánh giá WeatherNext Cyclones trên các cơn bão lịch sử từ năm 2023 đến 2024, so sánh hiệu suất tất định và xác suất của nó với các mô hình thời tiết hàng đầu khác. Trung bình, WeatherNext Cyclones đạt được lợi thế về thời gian dự báo trước hơn một ngày (24 giờ) đối với việc dự đoán đường đi, cường độ và cấu trúc gió của bão.

Mô hình được đồng đào tạo trên hai phương thức dữ liệu riêng biệt: động lực học thời tiết toàn cầu và các quan sát bão lịch sử được các chuyên gia tuyển chọn. Bằng cách đào tạo từ đầu đến cuối trên gần 20 terabyte dữ liệu khí quyển toàn cầu và cơ sở dữ liệu lịch sử IBTrACS bao gồm gần 5.000 cơn bão trong quá khứ, mô hình học được các mô hình khí quyển phức tạp và cách mô hình hóa thời tiết cực đoan.

Độ chính xác của dự báo bão đã liên tục được cải thiện trong những thập kỷ gần đây. Các biểu đồ cho thấy độ chính xác dự báo 3 ngày của dự báo đường đi ECMWF-ENS (a) và dự báo cường độ HWRF (b) qua các năm, và cách WeatherNext Cyclones đóng góp một bước tiến lớn về độ chính xác cho cả đường đi và cường độ. Sự cải thiện này tương đương với một thập kỷ tiến bộ theo xu hướng trong 20 năm qua.

Mô hình của chúng tôi sử dụng các Mạng tạo sinh chức năng (Functional Generative Networks - FGNs) để tạo ra các tập hợp dự báo khác nhau một cách hiệu quả, giúp nắm bắt sự không chắc chắn vốn có của thời tiết. Hiện nay, chúng tôi có thể tạo ra một dự báo 15 ngày trong chưa đầy một phút trên TPU, giúp các chuyên gia dự báo nhanh chóng đánh giá phân phối xác suất của các rủi ro đuôi (tail-risks) có khả năng gây tàn phá. Năm ngoái, hệ thống của chúng tôi tạo ra 50 dự báo cùng lúc, ngang bằng với các mô hình vật lý toàn cầu. Năm nay, chúng tôi đã mở rộng quy mô tập hợp lên 1.000 thành viên, nắm bắt được các kịch bản hiếm gặp nhưng có hậu quả lớn như các sự kiện tăng cường độ nhanh chóng, giống như đã xảy ra trong cơn bão Melissa năm 2025.

Cho đến nay, việc vận hành ở độ phân giải không gian rất cao được coi là yếu tố chính để đưa ra các dự báo cường độ chính xác. Tuy nhiên, WeatherNext Cyclones chỉ cần dữ liệu với độ phân giải 28x28km, thô hơn 100 lần so với các mô hình truyền thống. Một phiên bản nhỏ hơn của mô hình là WeatherNext 2-mini, hoạt động ở độ phân giải thô hơn là 111x111km, cũng cho thấy hiệu suất tuyệt vời. Điều này đã gây ngạc nhiên cho các nhà khoa học, và việc hiểu đầy đủ cách các mô hình của chúng tôi tạo ra những dự báo chính xác như vậy ở độ phân giải này vẫn là một câu hỏi nghiên cứu mở. Chúng tôi hy vọng rằng, cùng với cộng đồng nghiên cứu, chúng ta có thể tìm ra câu trả lời.

Mở rộng WeatherNext cho cộng đồng nghiên cứu

Cùng với bài báo trên Nature, chúng tôi đang mở mã nguồn và trọng số mô hình, cung cấp miễn phí cho bất kỳ ai muốn phát triển dựa trên đó. Điều này bao gồm nghiên cứu học thuật, dự báo vận hành hoặc phát triển các mô hình chuyên biệt, cục bộ hơn. Chúng tôi hy vọng sẽ thúc đẩy tiến bộ trong cộng đồng thời tiết toàn cầu và trao quyền cho các cơ quan khí tượng, nhà nghiên cứu và tổ chức phi lợi nhuận để dự đoán tốt hơn các sự kiện thời tiết thuộc mọi loại hình và đưa ra các quyết định quan trọng nhằm bảo vệ tính mạng và cơ sở hạ tầng.

Chúng tôi cũng phát hành hai bộ mô hình tương tự: WeatherNext Cyclones, đã chạy trong mùa bão (kết quả có thể xem trong bài báo); và WeatherNext 2, một bản cập nhật sau đó mà chúng tôi đã đưa vào vận hành từ tháng 10. Ngoài ra, chúng tôi đang phát hành WeatherNext 2-mini, một phiên bản nhỏ gọn của mô hình có thể chạy trên một TPU duy nhất trong một notebook Colab công khai miễn phí.

Bạn có thể khám phá các dự báo bão mới nhất của chúng tôi trên Weather Lab, nơi chúng tôi vừa làm mới với giao diện mới và mở rộng để bao gồm các dự báo thời tiết toàn cầu bên cạnh đường đi của bão. Weather Lab hiện cho phép bạn trực quan hóa các dự báo của WeatherNext về nhiệt độ, lượng mưa, tốc độ gió và nhiều thông tin khác, tất cả trong một chế độ xem duy nhất. Cả Weather Lab và các mô hình WeatherNext đều là một phần của Google Earth AI.

Đẩy mạnh biên giới của AI trong dự báo thời tiết

Chúng tôi đã đạt được một bước đột phá lịch sử khi có thêm hơn một ngày thời gian dự báo trước cho các cơn bão — mang lại bước tiến tương đương với một thập kỷ tiến bộ khí tượng. Khi chuẩn bị cho các mùa bão trong tương lai, chúng tôi mời các nhà nghiên cứu, cơ quan khí tượng và chuyên gia hợp tác với chúng tôi, phát triển dựa trên các mô hình mã nguồn mở của chúng tôi và khám phá các dự báo trên Weather Lab. Bằng cách kết hợp học máy tiên tiến với chuyên môn thực tế không thể thiếu của các chuyên gia dự báo con người, chúng tôi hướng tới việc tạo ra một hệ sinh thái dự báo thời tiết hợp tác có thể cứu sống nhiều người và giúp các cộng đồng thích ứng với khí hậu đang thay đổi.

Lưu ý: Đối với các dự báo và cảnh báo thời tiết chính thức, vui lòng tham khảo cơ quan khí tượng địa phương hoặc dịch vụ thời tiết quốc gia của bạn.

Lời cảm ơn

Nghiên cứu này được đồng phát triển bởi các nhóm Google DeepMind và Google Research.

Chúng tôi xin cảm ơn các cộng sự tại Trung tâm Bão Quốc gia NOAA/NWS/NCEP, Viện Hợp tác Nghiên cứu Khí quyển (CIRA) và Cơ quan Khí tượng Vương quốc Anh (UK Met Office) vì sự hợp tác và đóng góp của họ cho bài báo.

Công trình này phản ánh những đóng góp của các đồng tác giả bài báo: Ferran Alet, Tom Andersson, Ilan Price, Stratis Markou, Andrew El-Kadi, Dominic Masters, Amy Li, Samier Merchant, Natalie Williams, Gregory Thornton, Ken MacKay, Olivia Graham, Akib Uddin, Ben Gaiarin, Devaja Shah, Elinor Kruse, Wallace Hogsett, David Zelinsky, John Cangialosi, Jonathan Martinez, James Franklin, Mark DeMaria, Kate Musgrave, Caroline L. Bain, Helen Titley, Jacklynn Stott, Remi Lam, Aaron Bell, Paul Komarek, Matthew Willson, Alvaro Sanchez-Gonzalez và Peter Battaglia.