Väderprognoser är ytterligare ett område i det moderna livet som artificiell intelligens håller på att förändra. Modeller som GraphCast, Pangu-Weather och Fuxi är redan bättre än traditionella fysikbaserade klimatmodeller när det gäller att förutsäga vissa dagliga väderförhållanden.
De är dock långt ifrån perfekta. En ny studie som publicerats i tidskriften Science Advances visar att AI ofta misslyckas med att förutsäga rekordartade extrema väderhändelser.
Tack vare vårt föränderliga klimat blir extrema väderfenomen som rekordvärmeböljor och stormar allt vanligare. Exakta varningar är avgörande för att skydda liv, egendom och infrastruktur. Men den oöverträffade karaktären hos dessa händelser utgör ett problem för AI.
För att förstå varför jämförde forskarna ledande AI-modeller med HRES (High Resolution Forecast), som anses vara ett av världens ledande fysikbaserade väderprognossystem. De byggde först upp en stor databas med rekordartade värme-, kyla- och vindhändelser från 2018 och 2020. Forskarna kontrollerade sedan de prognoser som HRES och AI-modellerna redan hade gjort för dessa år för att se vilket system som kom närmast de verkliga resultaten.
AI underskattar risken
För vardagliga väderprognoser var AI-modellerna ofta mer exakta och mycket snabbare än HRES. Men vid rekordhändelser presterade HRES klart bättre än artificiell intelligens i alla typer av händelser. Under rekordvärmeböljor förutsåg AI-modellerna till exempel genomgående temperaturer som var mycket lägre än de som observerades. Inte nog med det, ju mer ett rekord slogs, desto mindre exakt blev AI:n.
Prognosbias mot rekordöverskridande. Källa: Science Advances (2026). DOI: 10.1126/sciadv.aec1433
Enligt forskarna beror HRES överlägsenhet i dessa situationer med höga insatser på att den bygger på fysikens lagar. Eftersom dessa aldrig förändras kan fysikbaserade modeller bättre simulera scenarier som världen aldrig tidigare har sett. AI-modellerna hanterade händelser utanför sina träningsdata och försökte dra tillbaka sina prognoser mot mer typiska historiska medelvärden.
”Våra resultat understryker de nuvarande begränsningarna hos AI-vädermodeller när det gäller att extrapolera bortom deras träningsdomän och att prognostisera de potentiellt mest påverkande rekordbrytande väderhändelserna”, kommenterade forskarteamet i sin artikel.
En hybridstrategi för framtiden
Med tanke på förväntningarna om att extrema händelser kommer att bli vanligare under de kommande åren varnar forskarna för att enbart förlita sig på AI för sådant viktigt arbete. Istället föreslår de en hybridstrategi som kombinerar AI:s snabbhet med den starka grunden i fysikens grundläggande lagar.
”Ytterligare noggrann verifiering och modellutveckling krävs innan dessa modeller kan användas som enda källa för tillämpningar med höga insatser, såsom system för tidig varning och katastrofhantering.”
Publiceringsuppgifter
Zhongwei Zhang et al, Physics-based models outperform AI weather forecasts of record-breaking extremes, Science Advances (2026). DOI: 10.1126/sciadv.aec1433
