Η AI προβλέπει πλέον τον καιρό σε λίγα λεπτά – Γιατί όμως δεν μπορεί ακόμη να προβλέψει με βεβαιότητα την επόμενη καταιγίδα;

Η τεχνητή νοημοσύνη αλλάζει ριζικά τη μετεωρολογία. Ευρωπαϊκά και αμερικανικά κέντρα χρησιμοποιούν ήδη επιχειρησιακά συστήματα AI που παράγουν προγνώσεις ταχύτερα και, σε αρκετές μετρήσεις, ακριβέστερα από τα παραδοσιακά μοντέλα. Ωστόσο, η πρόβλεψη μιας ξαφνικής πλημμύρας ή μιας τοπικής καταιγίδας παραμένει ένα από τα δυσκολότερα προβλήματα της επιστήμης.

Με μια ματιά

• Τι έχει αλλάξει: Ευρώπη και ΗΠΑ χρησιμοποιούν πλέον επιχειρησιακά συστήματα AI για την πρόγνωση του καιρού.
• Ποιο είναι το όφελος: Ταχύτερη παραγωγή προγνώσεων, μικρότερες υπολογιστικές απαιτήσεις και περισσότερα πιθανά σενάρια.
• Τι παραμένει δύσκολο: Η αξιόπιστη πρόβλεψη σπάνιων ακραίων φαινομένων και έντονων τοπικών καταιγίδων.

Για δεκαετίες, η πρόγνωση του καιρού βασιζόταν σε μια εξαιρετικά απαιτητική διαδικασία: υπερυπολογιστές έλυναν μαθηματικές εξισώσεις που περιγράφουν την κίνηση της ατμόσφαιρας, τη θερμοκρασία, την υγρασία και την αλληλεπίδρασή τους.

Σήμερα, δίπλα σε αυτούς τους υπολογιστές λειτουργεί μια διαφορετική τεχνολογία. Συστήματα τεχνητής νοημοσύνης εκπαιδεύονται πάνω σε τεράστιες ποσότητες ιστορικών μετεωρολογικών δεδομένων και μαθαίνουν να προβλέπουν πώς εξελίσσεται η ατμόσφαιρα.

Η αλλαγή δεν βρίσκεται πλέον στο στάδιο των πειραμάτων. Το 2026, η AI αποτελεί μέρος της επιχειρησιακής πρόγνωσης καιρού στην Ευρώπη και στις Ηνωμένες Πολιτείες.

Από τις εξισώσεις της φυσικής στα νευρωνικά δίκτυα

Τον Φεβρουάριο του 2025, το Ευρωπαϊκό Κέντρο Μεσοπρόθεσμων Μετεωρολογικών Προγνώσεων (ECMWF) έθεσε σε επιχειρησιακή λειτουργία το Artificial Intelligence Forecasting System, γνωστό ως AIFS.

Τον Ιούλιο της ίδιας χρονιάς ακολούθησε η έκδοση AIFS ENS, η οποία παράγει 51 διαφορετικά πιθανά σενάρια εξέλιξης του καιρού.

Η σημασία αυτής της προσέγγισης είναι μεγάλη. Αντί να παρουσιάζει μία και μοναδική πρόγνωση, το σύστημα επιτρέπει στους μετεωρολόγους να εκτιμούν την πιθανότητα διαφορετικών εξελίξεων.

Στις τεχνικές αξιολογήσεις του ECMWF, το AIFS ENS έδειξε ανταγωνιστική ή καλύτερη απόδοση από παραδοσιακά συστήματα σε συγκεκριμένες μετρήσεις μεσοπρόθεσμης πρόγνωσης. Η σύγκριση εξαρτάται από τη μεταβλητή και τον χρονικό ορίζοντα.

Παράλληλα, τα μοντέλα AI μπορούν να παράγουν προβλέψεις με πολύ μικρότερο υπολογιστικό κόστος στο στάδιο της εκτέλεσης, χωρίς αυτό να αποτυπώνει το συνολικό κόστος εκπαίδευσης και λειτουργίας.

Αυτό δεν σημαίνει ότι ολόκληρη η μετεωρολογική υποδομή καταναλώνει αναλόγως λιγότερη ενέργεια. Η συλλογή παρατηρήσεων, η επεξεργασία δεδομένων και τα παραδοσιακά μοντέλα εξακολουθούν να απαιτούν σημαντικούς πόρους.

Το 2026 η AI άρχισε να προβλέπει και τα κύματα

Στις 12 Μαΐου 2026, το ECMWF ενεργοποίησε τη δεύτερη έκδοση του AIFS, επεκτείνοντας τις δυνατότητές του πέρα από τις βασικές ατμοσφαιρικές παραμέτρους.

Το AIFS v2 εισήγαγε προβλέψεις για έντεκα μεταβλητές που σχετίζονται με τον κυματισμό της θάλασσας, καθώς και νέες δυνατότητες εκτίμησης της χιονοκάλυψης.

Στις αξιολογήσεις του ευρωπαϊκού κέντρου, η νέα έκδοση εμφάνισε καλύτερη απόδοση από το αντίστοιχο φυσικό μοντέλο σε συγκεκριμένες προγνώσεις κυματισμού μεσοπρόθεσμου ορίζοντα.

Η εξέλιξη έχει ιδιαίτερο ενδιαφέρον για χώρες όπως η Ελλάδα, όπου η κατάσταση της θάλασσας επηρεάζει την ακτοπλοΐα, την αλιεία, τον τουρισμό και τις θαλάσσιες μεταφορές.

Η δυνατότητα παραγωγής περισσότερων προγνωστικών σεναρίων με μικρότερο υπολογιστικό κόστος θα μπορούσε να βοηθήσει στη λήψη αποφάσεων.

Ωστόσο, αυτό αποτελεί πιθανή πρακτική εφαρμογή της τεχνολογίας και όχι απόδειξη ότι οι συγκεκριμένες υπηρεσίες στην Ελλάδα έχουν ήδη βελτιωθεί εξαιτίας του AIFS.

Η Αμερική υιοθέτησε και υβριδικά μοντέλα

Η αλλαγή δεν περιορίζεται στην Ευρώπη.

Στις 17 Δεκεμβρίου 2025, η αμερικανική Εθνική Μετεωρολογική Υπηρεσία έθεσε σε λειτουργία τρία νέα συστήματα πρόγνωσης.

Τα δύο βασίζονται στην τεχνητή νοημοσύνη: το AIGFS, που παράγει μία βασική πρόγνωση, και το AIGEFS, που εξετάζει 31 διαφορετικά σενάρια.

Το τρίτο, HGEFS, συνδυάζει προγνώσεις AI με προγνώσεις παραδοσιακής αριθμητικής μετεωρολογίας.

Αυτή η υβριδική προσέγγιση αποτυπώνει μια σημαντική κατεύθυνση της μετεωρολογίας: αντί να αντικαταστήσουν πλήρως τη φυσική, οι αλγόριθμοι χρησιμοποιούνται παράλληλα με αυτήν.

Το σύστημα αξιοποιεί διαφορετικές μεθόδους υπολογισμού, ώστε οι επιστήμονες να διαθέτουν περισσότερες πληροφορίες για την αβεβαιότητα μιας πρόγνωσης.

Η Google υπόσχεται εκατοντάδες προβλέψεις σε λιγότερο από ένα λεπτό

Στον ίδιο τεχνολογικό ανταγωνισμό συμμετέχει και η Google DeepMind. Το WeatherNext 2 αποτελεί σημαντικό σταθμό αυτής της εξέλιξης, όχι απαραίτητα την πιο πρόσφατη έκδοση της οικογένειας μοντέλων.

Τον Νοέμβριο του 2025 παρουσίασε το WeatherNext 2, ένα σύστημα που μπορεί να παράγει εκατοντάδες πιθανά μετεωρολογικά σενάρια χρησιμοποιώντας έναν επεξεργαστή TPU.

Σύμφωνα με την εταιρεία, κάθε πρόγνωση μπορεί να παραχθεί σε λιγότερο από ένα λεπτό, ενώ το νέο μοντέλο υπερτερεί της προηγούμενης έκδοσής του στο 99,9% των συνδυασμών μετεωρολογικών μεταβλητών και χρονικών οριζόντων που αξιολογήθηκαν.

Πρόκειται, πάντως, για αποτελέσματα που δημοσιοποίησε η ίδια η Google. Δεν αποδεικνύουν ότι το WeatherNext 2 είναι καλύτερο από κάθε ανταγωνιστικό σύστημα ή ότι προβλέπει με αντίστοιχη ακρίβεια όλα τα ακραία φαινόμενα.

Το σημαντικό είναι πως η τεχνολογία δεν περιορίζεται πλέον στα ερευνητικά εργαστήρια. Δεδομένα και δυνατότητές της ενσωματώνονται σε εμπορικές υπηρεσίες και ψηφιακά εργαλεία που χρησιμοποιούνται καθημερινά.

Γιατί μια καταιγίδα εξακολουθεί να αιφνιδιάζει

Εδώ βρίσκεται το μεγαλύτερο παράδοξο της νέας εποχής.

Ένα σύστημα μπορεί να προβλέπει με μεγάλη ακρίβεια την εξέλιξη ενός εκτεταμένου βαρομετρικού συστήματος και ταυτόχρονα να δυσκολεύεται να προσδιορίσει πού ακριβώς θα ξεσπάσει μια ισχυρή τοπική καταιγίδα.

Ο λόγος είναι ότι τα δύο προβλήματα λειτουργούν σε διαφορετικές κλίμακες.

Οι παγκόσμιες προγνώσεις περιγράφουν την ατμόσφαιρα σε σχετικά μεγάλα γεωγραφικά τμήματα. Αντίθετα, μια έντονη καταιγίδα μπορεί να επηρεαστεί από πολύ μικρότερες μεταβολές στην υγρασία, στους ανέμους ή στην τοπογραφία.

Η τεχνητή νοημοσύνη αντιμετωπίζει και μια πρόσθετη δυσκολία: τα σπανιότερα ακραία γεγονότα εμφανίζονται λιγότερο συχνά στα ιστορικά δεδομένα εκπαίδευσης.

Τον Μάρτιο του 2026, οι ερευνητές Shruti Nath και Tim Palmer υποστήριξαν, σε επιστημονικό σχόλιο στο περιοδικό Nature, ότι απαιτούνται αυστηρότερες δοκιμές προτού τα συστήματα AI χρησιμοποιηθούν ευρέως για κρίσιμες δημόσιες προγνώσεις ακραίων φαινομένων.

Η προειδοποίησή τους δεν ακυρώνει την πρόοδο. Υπενθυμίζει ότι μια καλή μέση επίδοση δεν αρκεί για να αποδείξει αξιοπιστία στις πιο επικίνδυνες περιπτώσεις.

Το μέλλον δεν είναι AI εναντίον φυσικής

Η ουσιαστική αλλαγή δεν είναι ότι ένας αλγόριθμος θα αντικαταστήσει τον μετεωρολόγο.

Είναι ότι οι επιστήμονες αποκτούν περισσότερα εργαλεία για να εξετάζουν διαφορετικές πιθανότητες, να συγκρίνουν προβλέψεις και να εντοπίζουν έγκαιρα ενδεχόμενους κινδύνους.

Για την πολιτική προστασία, τη γεωργία, την ενέργεια και τις μεταφορές, αυτή η δυνατότητα μπορεί να αποδειχθεί ιδιαίτερα σημαντική.

Η τεχνητή νοημοσύνη επιτρέπει ήδη την παραγωγή προγνώσεων με ταχύτητες που πριν από λίγα χρόνια θα απαιτούσαν πολύ μεγαλύτερους υπολογιστικούς πόρους.

Το επόμενο επιστημονικό στοίχημα είναι δυσκολότερο: να μετατραπεί αυτή η υπολογιστική πρόοδος σε αξιόπιστες προειδοποιήσεις για τα φαινόμενα που απειλούν ανθρώπινες ζωές.

Γιατί η επιτυχία μιας πρόγνωσης δεν κρίνεται μόνο από το πόσο γρήγορα παράγεται, αλλά και από το αν δίνει στους ανθρώπους τον χρόνο που χρειάζονται για να προστατευτούν.