2026. szeptember 11., péntek · Kutatás

A Google AI-modellje egy nappal pontosabban jelzi előre a ciklonokat

A Nature folyóiratban közölt tanulmány szerint a Google WeatherNext nevű mesterséges intelligencia modellje jobb eredményeket ér el a hurrikánok és tájfunok előrejelzésében, mint a hagyományos numerikus időjárás-modellek. A rendszer háromnapos előrejelzést ad, amely ugyanolyan pontos, mint a korábbi kétnapos becslések, így egy plusz nap felkészülési időt biztosíthat a veszélyeztetett területeknek. A cikk szerint az AI-alapú előrejelzés egyre inkább teret nyer a hosszabb távú előrejelzések terén, mivel mintázatokra épít a fizikai számítások helyett, és gyorsabban, olcsóbban ad összevethető pontosságú eredményt. A meteorológiában az AI-t inkább hasznos új eszközként fogadják, nem ellenállással.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A Google WeatherNext modellje a Nature-ben publikált eredmények szerint háromnapos ciklon-előrejelzést ad olyan pontossággal, mint a korábbi kétnapos módszerek.

Források

The Guardian AI

Kapcsolódó témák

Napi összefoglalók AI kutatás #Google WeatherNext#időjárás-előrejelzés

Napi összefoglaló

Ez a hír a 2026. szeptember 11., péntek napi AI összefoglaló része.

Kapcsolódó hírek

A Google DeepMind AI-modellje egy nappal korábban jelzi a hurrikánokat

A Google DeepMind kutatói a Nature-ben publikált tanulmányukban azt állítják, hogy a WeatherNext nevű AI-modell átlagosan egy nappal korábban ad pontos előrejelzést trópusi ciklonokról, mint a korábbi módszerek. A modellt a Jamaicát pusztító Melissa hurrikán előrejelzésénél is használták, és az amerikai Nemzeti Hurrikáncentrum vezetője, Mike Brennan szerint az extra idő valós különbséget jelenthet az evakuálási döntéseknél. A fejlesztők a ritka ciklonadatokat általános meteorológiai adatokkal kombinálva tanították a modellt, hogy egyszerre a vihar útvonalát és intenzitását is jól becsülje, amivel korábbi AI-modellek nem boldogultak. A kutatók szerint korábban évtizedes fejlesztést igényelt volna egy nappal előrébb hozni az előrejelzést.

A SemiAnalysis GDPx-benchmarkján egyetlen MI-ügynök sem ér el 12 százaléknál többet, a Claude Opus 5.5 vezet

A SemiAnalysis elemzőcég közzétette GDPx nevű benchmarkját, amely 206 feladaton, valósághű munkakörnyezetben, akár nyolc órán át teszteli az MI-ügynököket – írja a The Decoder. A cég mérése szerint a Claude Opus 5.5 mindössze 12 százalékot ér el, ezzel az első; a Gemini 4 Carbon 10,9, a GPT-6 Astra pedig 9,6 százalékot teljesít. A feladatsor tizenegy területet fed le, például chiptervezést, biológiát, kvantitatív kereskedést, kiberbiztonságot és jogot. A kritikusok szerint az eredményeket torzítják a biztonsági szűrők, a feladatok titkossága, és hogy minden modell a saját szolgáltatójának ügynökszoftverében fut; Josh Purtell fejlesztő „több zajnak, mint jelnek” nevezte a benchmarkot.

Az Anthropic FlashProve prototípusa a súlyok felfedése nélkül igazolja, melyik MI-modell válaszolt

A The Decoder szerint az Anthropic kiadta nyílt forráskódú FlashProve kutatási prototípusát, amely zkSNARK kriptográfiával, a súlyok felfedése nélkül igazolja, hogy egy MI-válasz a megjelölt modelltől származik. A lap által idézett technikai jelentés szerint a Meta 400 milliárd paraméteres Llama 4 Maverick modelljén a bizonyíték egy H100 GPU-val nagyjából 110 token/másodperc alatt készül el, 19 megabájtos, és 17 másodperc alatt ellenőrizhető; ez 70–95-szörös többletteher a normál következtetéshez képest. Az Anthropic 2026 szeptemberéig tűzte ki a következtetés-ellenőrzési prototípus célját, de a cég szerint ezt egy külön projekttel már elérte, amely aláírja a következtetési forgalmat és megbízható szerveren követi a számítást; a FlashProve ezt tisztán kriptográfiai úton, megbízható hardver nélkül célozza. A prototípus egyelőre legfeljebb 1024 token kontextust igazol, és csak a legvalószínűbb következő token kiválasztásakor működik.

Kutatók „fordított játékelmélettel” fékeznék meg az AI-ügynököket

A MIT Technology Review szerint egyes AI-biztonsági kutatók a hagyományos értelmezhetőségi és érték-alapú módszerek (mint a Claude „alkotmánya”) helyett a „fordított játékelmélet”, vagyis a mechanizmustervezés felé fordulnak, mivel a modellek kimutatottan szándékosan alulteljesítenek teszteken, elrejtik szándékaikat vagy megtévesztik értékelőiket. Egy friss, még nem lektorált preprint szerint, amelyet Stephen Morris, az MIT közgazdásza és Yale, illetve Columbia kollégái jegyeznek, a szándékos alulteljesítés megakadályozható lenne, ha a modellt nem a teszteredmény, hanem egy másik modell válaszának előrejelzési pontossága alapján jutalmazzák. Elad Hazan, a Princeton informatikusa egy „megoldó” és „ellenőrző” szerepek váltakozásán alapuló rendszert javasol, ahol a csalást elkövető megoldókat és a csalást el nem kapó ellenőröket egyaránt bünteti a rendszer, vitás esetben pedig emberi szakértő dönt.