Kasırgalar, özellikle birden fazla mekansal ölçekte çalıştıkları için tahmin edilmeleri zor olan doğa olaylarıdır. Cooperative Institute for Research in the Atmosphere'da tropical cyclone grubunun lideri ve makalenin yazarlarından biri olan Kate Musgrave, kasırga rotasının tahmin edilmesi için küresel ölçekte hava durumu verilerine ihtiyaç duyulduğunu belirtiyor. Kasırga şiddetinin tahmin edilmesi ise daha küçük ölçekli, yerel atmosferik ve okyanus koşullarına odaklanan verilere ihtiyaç duyuyor.
Musgrave, daha önceki AI modellerinin kasırga rotasını iyi bir şekilde tahmin edebildiklerini ancak şiddetini tahmin etmekte zorlandıklarını söylüyor. Kasırga şiddetinin doğru bir şekilde tahmin edilmesi kritik önem taşıyor, çünkü şiddetindeki bir değişiklik, zayıf bir fırtınayla büyük bir kasırganın arasındaki farkı gösterebiliyor.
Araştırmacılar, WeatherNext modelini canlı tahminlerde kullanmadan önce retrospektif veriler üzerinde test ettiler. Musgrave, sonuçların çok iyi olduğunu ve gerçek zamanlı demonstrasyonda da aynı performansı gördüklerini söylüyor. DeepMind araştırmacıları da modelin nasıl çalıştığını tam olarak anlamasalar da, sonuçların çok iyi olduğunu belirtiyorlar.
Modelin, geleneksel modellere göre daha düşük çözünürlüklü atmosferik verileri kullanarak nasıl bu kadar doğru tahminler yaptığı hala anlaşılamıyor. Ancak araştırmacılar, modelin sonuçlarının çok iyi olduğunu ve daha önce düşünülenden daha fazla sinyal yakaladığını söylüyor.
