Google åpner WeatherNext etter sprang i syklonvarsling

Google DeepMind har lagt frem WeatherNext som et tydelig eksempel på at AI-modeller flytter seg fra språk og kode til kritisk samfunnsinfrastruktur. Modellen skal gi syklonvarsler rundt ett døgn ekstra prediktiv treffsikkerhet, og Google åpner både kode og modellvekter for WeatherNext 2 og WeatherNext Cyclones.

Påstanden er konkret. Google skriver at modellens tredagersvarsler i snitt er like gode som det tidligere modeller leverte for to dager frem. Selskapet omtaler forbedringen som omtrent et tiår med meteorologisk fremgang i ett steg.

Dette er ikke en ChatGPT-funksjon. Det er en spesialisert modell for et område der bedre prognoser kan påvirke liv, forsikring, beredskap, kraftsystemer, transport og offentlige beslutninger. For ledere er poenget ikke at norske virksomheter skal begynne å varsle orkaner selv. Poenget er at AI nå blir en del av modellgrunnlaget for risikostyring.

Hva modellen gjør

WeatherNext Cyclones predikerer både globalt værmønster og mer finmaskede syklonbaner opptil 15 dager frem. Google skriver at modellen kan generere 1 000 mulige scenarioer per syklon, inkludert sannsynlighetskart for tropisk storm og orkanstyrke.

Tradisjonell syklonvarsling har måttet balansere store globale mønstre mot lokale forhold rundt stormens kjerne. Google hevder WeatherNext bygger bro mellom disse nivåene med én AI-modell som håndterer bane, intensitet og vindstruktur med høy treffsikkerhet.

Modellen er trent på nær 20 terabyte globale atmosfæriske data og historiske observasjoner fra nesten 5 000 stormer. Den bruker Functional Generative Networks for å lage ensembler effektivt. Ifølge Google kan en 15-dagersprognose kjøres på under ett minutt på en TPU.

Google trekker også frem praktisk bruk. Under orkansesongen i 2025 skal modellen ha bidratt til at National Hurricane Center ga et historisk varsel for orkanen Melissa, inkludert rask intensivering og landfall i Jamaica.

Åpne vekter endrer anskaffelsesbildet

At Google åpner kode og modellvekter er mer enn forskningssymbolikk. Det gjør det mulig for meteorologiske miljøer, universiteter, offentlige etater og leverandører å teste, tilpasse og bygge videre på modellen uten å være låst til ett kommersielt API.

For norske forhold er den direkte syklonnytten begrenset. Men modellen peker mot en bredere trend: spesialiserte AI-modeller for klima, beredskap, energi og forsyningskjeder. Når slike modeller blir åpne, kan de evalueres og kombineres med lokale data på en annen måte enn lukkede tjenester.

Det gir også nye styringsspørsmål. Hvem har ansvar når en AI-basert prognose påvirker beredskap? Hvordan dokumenteres usikkerhet? Hvilke modeller er autoritative i et beslutningsrom der både tradisjonelle numeriske modeller og AI-modeller gir anbefalinger? Hvordan forklares avvik når modellen har rett av feil grunn, eller feil av ukjent grunn?

Google selv skriver at offisielle varsler fortsatt skal komme fra lokale meteorologiske myndigheter. Det er en viktig avgrensning. AI-modellen kan være et beslutningsstøtteverktøy, ikke en demokratisk forankret varslingsmyndighet.

Relevans for norske ledere

For styrer og ledergrupper er WeatherNext et tegn på at AI-investeringer ikke bare handler om produktivitet i kontorarbeid. De treffer også kjerneprosesser der usikkerhet, beredskap og kapitalbinding er store kostnader.

Energiaktører kan få bedre grunnlag for produksjons- og nettplanlegging. Forsikringsselskaper kan få mer dynamiske risikomodeller. Offentlig sektor kan forbedre beredskapsplaner. Industriselskaper kan knytte værscenarioer tettere til logistikk og drift.

Men det krever disiplin. Å ta inn en åpen modell i et beslutningsløp er ikke gratis. Den må valideres mot lokale historiske data, overvåkes over tid, og ha klare grenser for når menneskelig fagmyndighet overstyrer modellen. Hvis ikke bytter man bare ut én sort boks med en annen.

WeatherNext er derfor mest interessant som et mønster. Spesialiserte modeller med åpne vekter blir en del av virksomhetens risikostyring. CIO må forstå driftsmodellen. Fagmiljøene må forstå usikkerheten. Styret må forstå når modellbruk blir en del av beredskapsansvaret.

Kilder og medier

Kilde: Google DeepMind, «WeatherNext: AI model achieves breakthrough in forecasting cyclones», publisert 6. august 2026. Source_url: https://deepmind.google/blog/weathernext-ai-model-achieves-breakthrough-in-forecasting-cyclones

Thumbnail: OpenAI Image 2 / hogby.ai