MicrosoftのAuroraは、大気の状態だけでなく大気質、海洋の波浪、台風の進路までを単一の基盤モデルで扱う地球システム予測AIで、2025年にNatureへ論文が掲載された。100万時間を超える多様な地球観測・シミュレーションデータで事前学習し、用途ごとに微調整して使う設計である。専門モデルを全て置き換えるのではなく、共通基盤の上に用途別予測を載せる発想が新規性である。

Auroraとは：100万時間超の地球データで学習した基盤モデル

論文では、台風の進路予測で運用モデルを上回る精度を示した事例や、大気質予測、波高予測で専門システムに匹敵あるいは上回る結果が報告された。計算コストは従来の数値モデルより大幅に小さいとされ、微調整にかかる計算も比較的軽いと説明される。具体的な改善幅は対象や指標ごとに異なるため、代表値だけで性能を語らず、タスク別の表で読むことが求められる。

Auroraの結果：台風・大気質・海洋波浪での専門モデル比較

基盤モデル化の利点は、データの少ない予測課題でも事前学習の知識を転用できる点にある。例えば新しい地域の大気質予測のように観測が限られる課題でも、微調整で実用精度に近づける可能性があると論文は示唆する。逆に、学習データの偏りはそのまま予測の弱点になり得るし、気候変動で過去の分布から外れる現象への外挿は保証されない。

基盤モデルの限界：微調整前提と観測データへの依存

日本の気象・防災・海運などの事業者にとっては、自社用途に微調整した予測を安価に試せる可能性が論点になる。一方で、公式予報のような公共情報との役割分担や、異常時の説明責任はAIの精度とは別の制度課題である。Auroraは研究基盤として公開が進められてきた経緯もあり、再現実験の広がりが今後の評価を形作る。数値は2025年のNature論文に基づく。

データサイエンス担当者は、基盤モデルの転用が自社の予測課題に効くかを見極める材料にできる。研究者は、単一モデルで複数現象を扱う際の評価設計に注目したい。

用途ごとの精度検証を自前データで行うことが、基盤モデル活用の前提になる。

あわせて読みたい

「10日先の天気を1分で計算する：GraphCast論文」 https://seed.aohalab.ai/#/article/68

「ディープテックの領域地図：バイオ・宇宙・素材・エネルギーの違い」 https://seed.aohalab.ai/#/article/22

出典：Nature論文「A foundation model for the Earth system」（Aurora, 2025年） https://www.nature.com/articles/s41586-025-09005-y

本記事で紹介した内容は2026年11月時点の公表情報に基づきます。最新の内容は出典の一次情報をご確認ください。