Napjainkban a mindennapi élet számára elengedhetetlen a várható időjárás ismerete. Amikor időjárás-előrejelzésről beszélünk, valójában arra teszünk kísérletet, hogy egy adott területre és időtávra vonatkozóan megbecsüljük a légkör jövőbeli állapotát, számszerűsítve különböző időjárási elemeket (pl. mennyire lesz meleg, vagy várható-e csapadék).
A modern meteorológia alapja a légkör pillanatnyi állapotának ismerete. A numerikus (számszerű) előrejelzés úttörője a magyar származású Neumann János az 1950-es években fektette le a számítógépes modellezés alapjait. A módszer lényege –amely Bjerknes és Richardson elméletére épül–, hogy a légkört rácspontokra osztják, és ezeken a pontokon fizikai egyenletekkel számítják ki a változásokat. Bár az első, ENIAC (Electronic Numerical Integrator and Computer, 1946) számítógépen futtatott kísérletek óta a technológia rengeteget fejlődött, a legmodernebb rendszerek a mai napig ezen az elven alapulnak. A hagyományos numerikus előrejelzés lényege, hogy a légkört egy képzeletbeli, háromdimenziós rácshálóra bontjuk, és a fizikai egyenletek megoldásával számítjuk ki a jövőbeli állapotot. Ennek a módszernek azonban komoly korlátai vannak. A pontosság érdekében hatalmas számítási kapacitásra van szükség, hiszen minél sűrűbb a rács, annál precízebb az előrejelzés, de annál lassabban végeznek a szuperszámítógépek. Ráadásul a rácspontok közé eső, kisebb méretű jelenségek –mint például egy hirtelen kialakuló lokális zivatar– gyakran „láthatatlanok” maradnak a modell számára, ami bizonytalanságot szül.
A mesterséges intelligencia térhódítása a meteorológiában is egyre nagyobb szerepet tölt be, hiszen az elmúlt időszakban megszaporodtak az MI-modellek, amelyek merőben eltérnek a hagyományos, fizika törvényein alapuló időjárás-előrejelző modellektől. Az MI alkalmazásának egyik legnagyobb csapdája a nem megfelelő eszköz használata. Fontos megérteni, hogy a népszerű nagy nyelvi modelleket (mint a ChatGPT) arra tervezték, hogy emberi nyelven kommunikáljanak, nem pedig arra, hogy fizikai folyamatokat szimuláljanak. Egy ilyen modell nem „érti” a termodinamikát vagy a légköri áramlásokat. Amikor a felhasználó megkérdezi, milyen idő lesz jövő héten, a modell nem számításokat végez, hanem a betanított hatalmas szöveges adatbázisa alapján megpróbálja megjósolni a legvalószínűbb következő szót. Ezt a jelenséget a szakirodalom „hallucinációnak” nevezi: a gép magabiztos stílusban közölhet teljesen valótlan vagy egymásnak ellentmondó információkat. Egy ilyen „előrejelzés” nemcsak szakmailag használhatatlan, de veszélyes is lehet, ha valaki ez alapján hoz döntést például egy közelgő vihar esetén. Erre kiváló hazai példa volt a 2025 májusában a közösségi médiában terjedő álhír, amelyre a Telex is felhívta a figyelmet. Ekkor egy MI által generált szöveg alapján terjedt el, hogy „100 éve nem látott hőség jön Magyarországra: 43-46 fokos hőségkilátás”. A meteorológiai modellek ekkor még semmi ilyet nem mutattak, a nyelvi modell egyszerűen a korábbi kattintásvadász cikkek stílusát utánozva talált ki ijesztő szalagcímeket, teljesen alaptalanul.
A tudományos közösség ezért folyamatosan figyelmeztet arra, hogy az általános célú MI nem helyettesíti a célzott tudományos modelleket. A valódi áttörést a kifejezetten időjárásra fejlesztett, úgynevezett adatvezérelt (data-driven) modellek jelentik. Az Európai Középtávú Előrejelző Központ (ECMWF) fejlesztéseinek köszönhetően 2025 februárjában meg is jelenhetett Európa első operatív időjárás-előrejelző MI-modellje.
Az új rendszer, az AIFS (Artificial Intelligence Forecasting System) alapvetően szakít a hagyományokkal: míg a klasszikus modellek fizikai törvényszerűségeket számolnak, addig az AIFS a múltbeli megfigyelések és előrejelzések több petabyte-nyi, rendkívül részletes adatbázisából „tanulva” készít prognózist. Bár kiindulási alapjai megegyeznek a hagyományos modellekével, a feldolgozás módja teljesen más. Jelenleg 15 napos időtávra lát előre, ám van egy fontos technikai korlátja: a térbeli felbontása egyelőre elmarad a fizikai modellekétől (horizontális felbontása 9 km helyett csak 28 km).
Ráadásul –ahogy arra az ECMWF szakértői a legfrissebb, 2026-os februári összefoglalóban is rámutattak– az AIFS eredményei jelenleg csak 6 órás időlépcsőkben érhetők el, így a pontos napi minimum- és maximumhőmérsékletek egyelőre nem olvashatók ki belőle közvetlenül. Emiatt a kisebb, lokális jelenségeket – például egy hirtelen kialakuló nyári zivatart – hajlamos alulbecsülni. A fejlődés azonban rendkívül gyors: alig pár hónappal az alapmodell indulása után, 2025. július 1-jétől már az AIFS valószínűségi változata (AIFS-ENS) is élesben működik. Ez azért kritikus fontosságú, mert a modern meteorológiában nem elég egyetlen „legvalószínűbb” forgatókönyvet ismerni, látni kell a bizonytalanságot is. Ez az új, úgynevezett ensemble (együttes) rendszer 50+1 tagot futtat le egyszerre, így térképezi fel a lehetséges kimeneteleket. Bár a felbontása ennek is durvább (kb. 31 km), hatalmas előnye a sebesség, hiszen a számításigényes fizikai egyenletek mellőzése miatt az eredmények körülbelül egy órával hamarabb állnak a meteorológusok rendelkezésére, mint a hagyományos modellek esetében.
Vannak olyan helyzetek, amikor az AIFS alkalmazása kifejezetten hasznos segítség lehet az előrejelző meteorológusok számára. Az egyik ilyen látványos siker a Kárpát-medencére jellemző téli hidegpárnás helyzet (inverziós ködfelhőzet) előrejelzése. Ez a jelenség – amikor a hideg, párás levegő megreked a medence alján, míg a hegyekben süt a nap – a hagyományos fizikai modelleknek gyakran fejtörést okoz. Ezzel szemben az AIFS – ahogy azt számos friss téli helyzet is igazolta – kiválóan teljesít. Képes felismerni a lokális sajátosságokat, és „beragasztja a felhőzetet”, azaz helyesen prognosztizálja a tartósan borult, ködös időt a medencében. Az ok egyszerű: az MI a múltbeli adatokból megtanulta, hogy ebben a speciális földrajzi helyzetben a nyugodt, anticiklonális időjárás esetén a képződő köd nagy valószínűséggel tartósan megmarad. Erről a képességről a szakma nemzetközi fórumokon, például a legutóbbi, „Using ECMWF’s Forecasts” konferencián (2025) is elismerően nyilatkozott.
Ez a képesség bizonyítja, hogy a jövő nem a fizika elhagyása, hanem a hibrid megoldások alkalmazása: ahol az emberi szakértelem és az MI mintafelismerése kiegészíti egymást.
Szerző: Fritz Petra