GraphCast: Bir Dakikada Küresel On Günlük Tahmin

Fizik yerine tarihten öğrenen model

Sayısal hava tahmini atmosferi diferansiyel denklemlerle ileri sarar; on günlük küresel bir tahmin turu saatler süren süperbilgisayar işidir. GraphCast ise 1979’dan başlayan ERA5 yeniden analiz verisinden öğrenerek sonraki altı saati bir graf ağı üzerinde öngörüyor.

Çıktı, 0,25 derece ızgarada ve 37 seviyede altı saatlik adımlarla on güne kadar uzanıyor. Bunu tek bir TPU çipinde bir dakikanın altında üretmesi maliyet hesabını tersine çevirdi: tahmin, kıt bir kaynak değil yinelenebilir bir hizmet hâline geldi.

ECMWF kıyaslaması ve ölçünün kendisi

14 Kasım 2023’te Science’ta yayımlanan değerlendirmede GraphCast, Avrupa’nın orta vadeli tahminlerde referansı sayılan ECMWF yüksek çözünürlüklü deterministik sisteminden 1.380 hedefin yüzde 90’ından fazlasında daha isabetliydi.

Tartışmanın ilk kıvrımı ölçekte: kıyaslama yeniden analiz ızgarasına göre yapıldı, gözleme göre değil. ERA5 ile eğitilen bir model, ERA5’e ne kadar benziyorsa o kadar başarılı sayılıyor; 2025’teki gözlem odaklı değerlendirmeler bu döngünün altını çizdi.

GenCast: tek tahminden risk haritasına

Deterministik tahmin “şu olur” der, karar verici ise olasılık ister. 4 Aralık 2024’te Nature’da yayımlanan GenCast, difüzyon tabanlı bir ansambl üretiyor ve 36 saatten uzun vadede ECMWF’nin 51 üyeli ansamblinin hedeflerinin yüzde 99,8’inde daha iyi skor aldı.

Aşırı sıcak, fırtına ve don riski böylece tek bir sayı değil dağılım olarak görüldü. GraphCast’ın kodu açık kaynak, modeller Google’ın WeatherNext paketiyle bulut üzerinden erişilebilir; Microsoft’un Aurora’sı da Mayıs 2025’te Nature’da yayımlanan bir Dünya sistemi temel modeli olarak aynı çizgiyi genişletti.

Meteorologların itirazı

Kurumlar modeli reddetmedi, yedeğine aldı. ECMWF kendi AIFS modelini 25 Şubat 2025’te operasyonel yapıp fizik tabanlı IFS’nin yanına koydu; Met Office de GraphCast’i sayısal tahminle rekabetçi bir veri odaklı model olarak konumlandırıyor.

Aşırı olaylar hâlâ açık yara. 2026’da Science Advances’ta yayımlanan bir çalışma, uç vakalarda fizik tabanlı sistemlerin yapay zekâ modellerini geride bıraktığını gösterdi; Royal Meteorological Society’nin 2026 tarihli açıklaması da fiziksel tutarlılık ve yeniden analiz yanlılığı uyarısını tekrarlıyor.

Hava tahmini kimin işi olacak

Hesap maliyeti çarpıcı biçimde düştü, tahminin sorumluluğu düşmedi. Model, eğitim verisinde eşi benzeri olmayan bir senaryoda — örneğin alışılmadık bir siklon rotasında — bunu bilmeden ikna edici görünen bir çıktı üretiyor.

Pratikte yarış değil katmanlaşma kazanıyor: hızlı ve ucuz temel tahmin, ardından risk üreten olasılıklı ansambl, en sonda yerel bilgi ve insan muhakemesi. Meteoroloğun rolü silinmiyor, editörlüğe kayıyor.

• GraphCast (Science, 2023) 1.380 hedefin yüzde 90’ından fazlasında HRES’i geçti
• On günlük küresel tahmin tek TPU’da bir dakikanın altında
• GenCast (Nature, 2024) ansambilde ENS’in yüzde 99,8 önünde
• ECMWF AIFS 25 Şubat 2025’te operasyonel oldu, IFS’in yanına
• Aşırı olaylarda fizik tabanlı modeller hâlâ daha isabetli

Sık sorulan sorular

Kaynakça

1. Learning skillful medium-range global weather forecastingScience
2. GraphCast: AI model for global weather forecastingGoogle DeepMind
3. Probabilistic weather forecasting with machine learningNature
4. ECMWF’s AI forecasts become operationalECMWF
5. Traditional models still outperform AI for extreme weather forecastsCarbon Brief