2026年5月23日研究ダイジェスト

天気予報AIが、唯一どうしても勝てない相手｜“記録的”な異常気象の壁

数千倍速く、ほとんどの指標で従来超え——天気予報AIは物理モデルを追い越しました。ところが2026年の研究は、AIが「唯一どうしても外す相手」を突き止めます。それは、最も命に関わる“記録破りの異常気象”。Science Advances掲載の論文をやさしく解説します。

ここ数年で、AI が最も鮮やかに成果を出した科学分野のひとつが天気予報です。GraphCast や Pangu-Weather といった AI 気象モデルは、スーパーコンピュータの物理計算を 数千倍の速さ でこなし、多くの精度指標で従来モデルを追い越しました。

ところが 2026 年、科学誌 Science Advances に載った研究が、この快進撃に冷や水を浴びせます。AI 気象予報には、どうしても勝てない相手がいるというのです。しかもそれは、最も予測してほしい相手でした。

何をした研究なのか

研究チームは、AI 気象モデルと、従来の 物理ベースのモデル（大気の方程式を解く昔ながらの手法）を、さまざまな天候で比較しました。注目したのは、平均的な天気ではなく、「記録を更新するような極端な気象」——観測史上まれな豪雨や熱波です。

結果は明確でした。

最も社会的な被害が大きく、最も外してはいけない局面でこそ、AI が苦戦したのです。

理由は、AI モデルの仕組みそのものにあります。AI 気象モデルは物理法則を 知りません。過去数十年分の観測データから、「こういう状況の翌日はこうなりがち」というパターンを学んでいるだけです。

これは、見たことのある範囲を“なぞる”（内挿）のは得意でも、見たことのない範囲に“踏み出す”（外挿）のは苦手、ということを意味します。

一方、物理モデルは「大気はこう振る舞う」という法則から計算するので、前例がなくても筋の通った予測を出せる。だから記録的な異常気象では、物理モデルが踏みとどまったのです。

この発見は、天気だけの話ではありません。あらゆるデータ駆動 AI に通じる教訓を含んでいます。

ベンチマークで「90% 勝っている」ことと、「いちばん大事な 10% で信頼できる」ことは、まったく別物だ。

平均点が高い AI が、最も重要な“裾（テール）”の局面で崩れる。これは、私たちが異常検知や時系列予測の現場で、何度も向き合ってきた問題そのものです。滅多に起きない、けれど起きたら致命的なイベント——そこをどう扱うかが、本当の勝負どころなのです。

これは「AI 気象予報はダメだ」という話ではありません。日々の予報での実力は本物です。研究が示したのは、得意な場面と苦手な場面を見極め、当面は AI と物理モデルを組み合わせて使うのが賢い、という現実的な提案です。

「平均ではすごい。でも、いちばん肝心なところは？」——AI を評価するときの、最高に役立つ問いです。私たちが環境・防災・センサーデータの AI に取り組むときも、最悪のケースでどう振る舞うかを最優先に設計します。

センサー・環境データを使った予測やモニタリングのご相談は、お問い合わせからどうぞ。