חוקרים ממיקרוסופט, MIT ומוסדות נוספים פיתחו שיטה שלומדת מהטעויות החוזרות של מודלים לחיזוי מזג האוויר ומתקנת את ההסתברויות שהם מפיקים. המחקר, שפורסם ב־14 באוקטובר 2026 בכתב העת Nature, עוסק בחיזוי כמה שבועות מראש — טווח שבו קשה להפיק תחזיות שימושיות.
לתקן מודל שכבר עובד
השיטה, המכונה PBC, פועלת כשכבה נוספת מעל מערכת חיזוי קיימת. היא משווה תחזיות עבר לתנאים שנצפו בפועל, לומדת הטיות שיטתיות ומשנה את הסיכויים המיוחסים לתרחישים שונים. אפשר ליישם אותה הן במודלים המבוססים על משוואות פיזיקליות והן במודלי בינה מלאכותית.
בבדיקות המתמקדות בשבוע השלישי והרביעי קדימה, החוקרים דיווחו על שיפור ביחס למודל האירופי ECMWF שכבר עבר תיקון הטיות תפעולי: ב־98% מיעדי המשקעים וב־92% מיעדי הטמפרטורה שנבדקו. אלה שיעורי היעדים שבהם נמדד שיפור, ולא שיעור הדיוק של התחזית. מערכת ששילבה את השיטה הובילה בכל המשתנים וטווחי הזמן בעונת הפתיחה של תחרות AI Weather Quest בשנת 2025.
יותר זמן להיערך, עדיין עם אי־ודאות
הערכה טובה יותר של שבוע גשום, יבש, חם או קר יכולה לסייע לתכנון חקלאי, לניהול ביקוש לחשמל ולהיערכות לחירום. החוקרים מצאו גם שיפור בחיזוי אירועי קיצון. לפי MIT, לאחר בניית המודל אין צורך במחשב־על כדי להפעיל את שכבת התיקון.
עם זאת, הבדיקות עוסקות בתחזיות הסתברותיות של תנאים שבועיים, ובהם טמפרטורה ממוצעת וכמות משקעים מצטברת. הן אינן מבטיחות לדעת באיזו שעה ירד גשם בעיר מסוימת בעוד חודש. התרומה היא שיפור בהערכת הסיכונים והתרחישים האפשריים; מזג האוויר נותר מערכת עם אי־ודאות משמעותית.
מקורות: המחקר ב־Nature, 14.10.2026; הסבר החוקרים ב־MIT, 14.10.2026.
