Google DeepMindとGoogle Researchは2025年11月18日、新型AI気象予測モデル「WeatherNext 2」を発表した。前世代モデルを凌駕する精度と8倍の高速化を実現し、1時間単位の高解像度予測を可能にする。核心技術「Functional Generative Network (FGN)」により、単一のTPUで1分以内に数百通りの気象シナリオを生成。この確率的予測能力は、スーパーコンピュータを用いた従来の物理ベースモデルを特定のタスクで凌駕する。そしてこの技術は既にGoogle検索やPixel Weatherなどに統合されており、我々の日常に最先端技術が浸透し始めているようだ。
AI気象予測の新たな地平を拓く一手
GoogleがAIによる気象予測の分野で、再び大きな一歩を踏み出した。同社のAI研究部門であるGoogle DeepMindとGoogle Researchが共同で発表した「WeatherNext 2」は、単なる性能向上に留まらない、気象予測のあり方そのものを大きく変えるかも知れない。
気象予測は、現代社会のあらゆる活動を支える基盤情報だ。日々の通勤から、航空機の運航、エネルギー需要の予測、サプライチェーンの最適化、そして何よりも自然災害への備えまで、その影響は計り知れない。これまで気象予測の主役は、大気や海洋の物理法則を複雑な方程式でモデル化し、スーパーコンピュータで膨大な計算を行う「数値予報モデル」であった。しかし、このアプローチは莫大な計算コストと時間を要するという課題を抱えていた。
そこに登場したのがAI、特に深層学習（ディープラーニング）を活用したアプローチだ。過去の膨大な気象データを学習させることで、物理モデルとは異なる方法で未来を予測する。Googleは長年この分野に注力しており、2024年12月には拡散モデルベースの「GenCast」を発表するなど、着実に成果を積み重ねてきた。
今回のWeatherNext 2は、その集大成とも言えるモデルであり、その性能は驚異的だ。
8倍高速、1時間解像度：驚異的な性能向上の内実
WeatherNext 2が達成した性能向上は、具体的な数値を見るとより明確になる。
まず、予測生成速度が前世代モデルと比較して8倍高速化された。これにより、より迅速な情報更新が可能となり、刻一刻と変化する気象状況への対応力が向上する。
次に、時間解像度が最大1時間単位まで向上した。これは、よりきめ細やかな予測が可能になったことを意味する。例えば、エネルギー業界では風力発電の出力を1時間単位で正確に予測できれば、電力網の安定運用に大きく貢献する。物流業界でも、短時間の突風や豪雨を避けるための最適な配送ルート計画が可能になるだろう。
そして、最も重要なのが予測精度だ。Googleによれば、WeatherNext 2は気温、風速、湿度、気圧といった気象変数の99.9%において、0日から15日先までの全ての予測リードタイムで前世代の最先端モデルを上回るという。これは、ほぼ全ての側面で予測能力が向上したことを示す、非常に強力な結果である。
スーパーコンピュータを凌駕する「確率的予測」能力
WeatherNext 2の真の革新性は、その「確率的予測（アンサンブル予報）」能力にある。
気象は本質的にカオスな（混沌とした）システムであり、初期値のわずかな違いが未来の予測を大きく変える。そのため、単一の最も可能性の高い未来を予測するだけでは不十分だ。重要なのは、起こりうる複数の未来のシナリオを提示し、その確率分布を把握することである。特に、発生確率は低いものの壊滅的な被害をもたらす「最悪のシナリオ」を想定することは、防災上極めて重要となる。
従来の数値予報モデルでも、初期値をわずかに変えた計算を多数実行する「アンサンブル予報」が行われてきた。しかし、1回の計算に数時間を要するモデルを何十回も実行するには、スーパーコンピュータでも膨大な時間がかかっていた。
WeatherNext 2は、この常識を覆す。単一のGoogle製AIアクセラレータ「TPU（Tensor Processing Unit）」上で、1分もかからずに数百通りものリアルな気象シナリオを生成できるのだ。これは、計算速度とコストの観点から、従来の物理ベースモデルでは達成困難だった領域である。この能力により、熱帯低気圧（ハリケーンや台風）の進路予測精度も向上し、最大3日先までの正確な予測が可能になったと報告されている（従来モデルは約2日）。
核心技術「FGN」とは何か？AIの“想像力”を物理法則に沿わせる新手法
この飛躍的な性能向上を支えているのが、「Functional Generative Network (FGN)」と名付けられた新しいAIアーキテクチャだ。
従来の画像生成AIなどで用いられるモデルを気象予測に適用する場合、生成される予測が物理法則から逸脱してしまう、あるいは不自然なものになってしまうという課題があった。FGNは、この問題を巧みに解決する。
その鍵は、モデルのアーキテクチャ内部に直接「ノイズ（摂動信号）」を注入する点にある。これは、単にランダムな値を加えるのとは異なる。FGNは、このノイズを「関数の空間で」注入することにより、生成される気象パターン全体の一貫性（物理的な現実味）を保ったまま、多様なシナリオを生み出すことを可能にした。AIに物理法則を直接教え込むのではなく、多様な可能性を探求する「想像力」を与えつつ、その想像力が物理的にあり得る範囲から逸脱しないように導く、洗練されたアプローチと言える。
「マージナル」から「ジョイント」を学習する効率性
FGNのもう一つの特筆すべき点は、その学習効率の高さだ。
Googleによれば、FGNは「マージナル（marginals）」と呼ばれる個々の、独立した気象要素のみを学習データとして訓練される。マージナルとは、例えば「東京の午後3時の気温」や「太平洋上空1万メートルの風速」といった、単一の点における情報だ。
驚くべきことに、モデルはこれらのバラバラの情報を学習するだけで、それらが相互に複雑に絡み合った「ジョイント（joints）」な現象を巧みに予測する能力を獲得するという。ジョイントとは、例えば「関東地方一帯を覆う広範囲の熱波」や、「複数の風力タービンで構成されるウィンドファーム全体の総発電量」といった、大規模で相互依存的なシステムのことだ。
これは、個々の楽器の音色だけを学んだ音楽家が、見事なオーケストラの交響曲を即興で演奏するようなものだ。このアプローチにより、モデルは膨大な気象システムの全体像を効率的に学習し、少ない計算資源で複雑な現象を予測できるようになったと考えられる。
研究室から日常へ：Google製品に実装される最先端技術
WeatherNext 2は、単なる研究論文上の成果ではない。既にGoogleの主要なサービスに統合され、世界中の数億人のユーザーがその恩恵を受け始めている。
- Google検索: 天気予報を検索した際に表示される情報
- Gemini: 対話型AIに天気を尋ねた際の回答
- Pixel Weather: Googleのスマートフォン「Pixel」に搭載されている天気アプリ
- Google Maps Platform Weather API: 企業や開発者が利用する天気情報API
さらに、数週間以内にはGoogle Maps本体の天気情報にもこの技術が導入される予定だ。我々が日常的に利用するサービスの裏側で、最先端のAIが稼働し、より正確で詳細な情報を提供しているのである。
開発者や研究者にも開かれる扉
Googleは、この強力なツールを自社サービスに留めるだけでなく、外部にも広く公開する姿勢を見せている。
開発者、科学者、企業は、以下のプラットフォームを通じてWeatherNext 2の予測データやモデルにアクセスできる。
- Google Cloud Vertex AI: カスタムモデルとして推論を実行できるアーリーアクセスプログラム
- BigQuery: 膨大な予測データを直接クエリできる
- Earth Engine: 地球科学データと合わせて分析できる
これにより、農業、エネルギー、金融、保険、物流など、天候に左右されるあらゆる業界で、データに基づいたより高度な意思決定が可能になる。気候変動の研究者にとっても、新たな分析ツールとなることは間違いない。
覇権を狙うAI気象予測、Googleの現在地と課題
AIによる気象予測は、今やテクノロジー企業にとって新たな主戦場となりつつある。NVIDIAの「FourCastNet」、Microsoftの「Aurora」、さらには中国Huaweiの「Pangu-Weather」など、各社が独自のモデル開発にしのぎを削っている。
この競争環境において、WeatherNext 2はGoogleを再び一歩リードさせる強力な一手と言えるだろう。自社の強力なインフラ（TPU）、膨大なデータ、そしてDeepMindが誇る世界トップクラスのAI研究能力を組み合わせることで、他社にはない優位性を築いている。
残された課題：「異常気象」予測の限界
しかし、WeatherNext 2も万能ではない。Google自身もその限界を認めている。
DeepMindの研究者、Ferran Alet氏は、Bloombergの取材に対し、訓練データの不足から、極端な豪雨や豪雪といった「外れ値」的な事象の予測には依然として課題が残る可能性を指摘している。
これはAIモデル全般に共通する課題だ。AIは過去のデータからパターンを学習するため、過去に例のない、あるいは極めて稀な現象を正確に予測することは原理的に難しい。気候変動により異常気象が頻発する現代において、この「外れ値」をいかに予測するかは、今後の研究開発における重要なテーマとなるだろう。
WeatherNext 2がもたらす未来への視座
WeatherNext 2の登場は、単に「天気予報が少し当たるようになる」という話ではない。それは、計算科学のパラダイムシフトが、社会の根幹を支えるインフラの一つである気象予測の分野で明確に可視化された瞬間である。
スーパーコンピュータによる物理シミュレーションという伝統的アプローチが、特定の領域においてAIに凌駕され始めた。これは、科学技術の歴史における一つの転換点と見ることもできる。
AIは物理法則を「理解」しているわけではない。しかし、データに潜む複雑な相関関係を人間や従来の手法を遥かに超えるスケールで捉えることができる。今後、観測衛星などから得られる新たなデータソースが統合され、モデルがさらに進化すれば、これまで予測不可能とされてきた現象の解明に繋がる可能性すらある。
もちろん、AIモデルの予測結果を鵜呑みにすることの危険性や、ブラックボックス性の問題など、議論すべき点は多い。しかし、WeatherNext 2が示した圧倒的なパフォーマンスは、AIが人類社会の複雑な課題を解決するための強力なツールであることを改めて証明した。
この技術が、より精度の高い災害警報システムとして人々の命を救い、持続可能なエネルギー利用を促進し、安定した食糧生産を支える未来。WeatherNext 2は、そんな未来への扉を大きく開いたと言えるのではないだろうか。
論文
参考文献