AI lepsze od fizyki? Nowe badanie pokazuje, gdzie modele językowe wciąż zawodzą

Kiedy latem 2021 roku północno-zachodnie Stany Zjednoczone i Kanada zmagały się z falą upałów, termometry wskazywały wartości o 5°C wyższe od dotychczasowych rekordów. To wydarzenie, uznane przez naukowców za „niemożliwe” bez zmian klimatu, postawiło przed meteorologami fundamentalne pytanie: czy sztuczna inteligencja, która tak sprawnie przewiduje zwykłą pogodę, poradzi sobie z czymś, czego nigdy wcześniej nie widziała?

Odpowiedź, opublikowana właśnie w czasopiśmie Science Advances, nie napawa optymizmem zwolenników AI. Okazuje się, że modele oparte na głębokim uczeniu – choć szybsze i tańsze – systematycznie nie doceniają siły i częstotliwości rekordowych zjawisk ekstremalnych. Tradycyjne modele fizyczne wciąż pozostają tu bezkonkurencyjne.

Dlaczego AI gubi się w ekstremach?

→ Czytaj też: Największy otwarty model AI ma 2,8 biliona parametrów. Chiny rzucają wyzwanie USA

Modele pogodowe oparte na sztucznej inteligencji, takie jak GraphCast od Google DeepMind, Pangu-Weather od Huawei czy Fuxi z Szanghaju, działają na zupełnie innej zasadzie niż klasyczne prognozy numeryczne. Zamiast rozwiązywać skomplikowane równania fizyki atmosfery, uczą się wzorców z historycznych danych pogodowych. To czyni je niezwykle wydajnymi – do wykonania prognozy potrzebują ułamka mocy obliczeniowej, którą pochłaniają tradycyjne superkomputery.

Jak tłumaczy prof. Sebastian Engelke z Uniwersytetu Genewskiego, jeden z autorów badania, modele AI „są silnie zależne od danych treningowych i stosunkowo ograniczone do zakresu tego zbioru”. Innymi słowy: jeśli w historii nie było jeszcze takiej burzy czy upału, AI nie ma się na czym wzorować. Zamiast przewidzieć nową jakość, model „zawyża” lub „zaniża” prognozę, sprowadzając ją do znanych sobie wzorców.

Test na 160 tysiącach rekordów

→ Czytaj też: Upadek czterech cywilizacji w jednym momencie. Archeolodzy rozwiązali zagadkę epoki brązu

Naukowcy pod kierownictwem dr. Zhongwei Zhanga z Karlsruhe Institute of Technology postanowili sprawdzić, jak modele radzą sobie z prawdziwym wyzwaniem. Wykorzystali dane reanalizy ERA5 i zidentyfikowali wszystkie rekordowe zdarzenia ciepła, zimna i wiatru z lat 2018 i 2020 – łącznie około 160 tysięcy rekordów ciepła, 33 tysięcy zimna i 53 tysięcy wiatru.

Następnie porównali wyniki trzech wiodących modeli AI z prognozami modelu HRES (High RESolution forecast model) Europejskiego Centrum Średnioterminowych Prognoz Pogody – uznawanego za „złoty standard” fizycznych prognoz numerycznych. Wynik? We wszystkich kategoriach i dla różnych horyzontów czasowych (od 1 do 10 dni) modele AI wypadły gorzej. Błąd prognozy – mierzony tzw. średnim błędem kwadratowym – był wyraźnie wyższy, szczególnie przy dłuższych prognozach.

Ostrzegawczy strzał

Badanie, opublikowane 29 kwietnia 2026 roku w Science Advances, nie jest bynajmniej wyrokiem na AI w meteorologii. W codziennych prognozach modele sztucznej inteligencji często przewyższają tradycyjne metody – są szybsze, tańsze i całkiem dokładne. Problem pojawia się wtedy, gdy liczy się każdy stopień i każda godzina: podczas ekstremalnych upałów, gwałtownych powodzi czy huraganów, które niszczą infrastrukturę i zbierają śmiertelne żniwo.

Jak ujął to jeden z autorów w rozmowie z Carbon Brief, analiza jest „ostrzegawczym strzałem” przed zbyt pochopnym zastępowaniem tradycyjnych modeli przez AI. W sytuacji, gdy ekstremalne zjawiska stają się coraz częstsze i intensywniejsze z powodu zmian klimatu, poleganie wyłącznie na algorytmach, które nie radzą sobie z nowością, może być po prostu niebezpieczne.

Co dalej? Hybryda zamiast rewolucji

Najbardziej obiecująca ścieżka nie leży w wyborze między fizyką a sztuczną inteligencją, ale w ich połączeniu. Modele hybrydowe, które wykorzystują szybkość AI do wstępnych prognoz i korygują je fizycznymi równaniami, mogą łączyć zalety obu światów. Prace nad takimi rozwiązaniami już trwają w ośrodkach badawczych w Europie i Stanach Zjednoczonych.

Póki co jednak, gdy następnym razem usłyszysz o rekordowej fali upałów, pamiętaj: za tą prognozą wciąż stoi fizyka, a nie algorytm. I to dobrze – bo w świecie, w którym każdy stopień jest istotny, lepiej mieć po swojej stronie prawa natury, a nie tylko statystykę.