В 2024 году Мухаммад Ирфан Вирк впервые посетил Китайское метеорологическое управление (CMA) в Пекине и был впечатлен уровнем технологического прогресса, отметив, что офисы прогнозирования CMA кажутся «почти научно-фантастическими».
Вирк был частью группы метеорологов Департамента метеорологии Пакистана (PMD), направленной в CMA для адаптации платформы прогнозирования погоды под нужды Пакистана. Эта система известна как MAZU, что расшифровывается как «многоугроза, оповещение, нулевой пробел и универсальность». Название также отсылает к традиционной китайской морской богине, защищающей моряков.
Захир Ахмед Бабар, главный метеоролог PMD и исполняющий обязанности генерального директора, подчеркнул, что система ИИ не способна остановить экстремальные погодные явления. Однако, предоставляя более ранние предупреждения, она позволяет прогнозистам принимать более взвешенные решения. Он добавил, что использование этой информации для снижения потерь остается на усмотрение пользователей.
Согласно Ин Синсинь, научному атташе Посольства Китая в Исламабаде, версия MAZU, адаптированная для Пакистана, используется PMD с октября 2025 года, в дополнение к другим инструментам раннего оповещения, включая данные спутников и других моделей погоды.
Ин Синсинь отметил, что поскольку Пакистан остро нуждается в возможностях раннего оповещения и снижении рисков стихийных бедствий, обе стороны совместно разработали и внедрили систему MAZU, сделав Пакистан первой страной, получившей эту инновационную разработку. Сотрудничество между CMA и PMD имеет долгую историю, и, по словам Ин, оно осуществляется в рамках «южно-южного сотрудничества в области изменения климата» со стороны правительства Китая.
После наводнений, произошедших 26 августа в соседних регионах Непала и Китая, MAZU также применяется для оценки и прогнозирования местных погодных условий с целью организации спасательных операций. По сообщениям China Daily, китайские власти используют систему для предоставления Непалу ежедневных обновлений о развитии и прогнозах рисков вновь образовавшихся барьерных озер, а также для гидрологического мониторинга в чрезвычайных ситуациях.
Несмотря на то что эксперты по моделированию погоды на основе ИИ приветствуют использование китайской модели, они предупреждают, что это не панацея для систем раннего оповещения. Кроме того, пока рано судить о ее точности в местном климатическом и географическом контексте Пакистана.
На пресс-конференции в апреле, посвященной дальнейшему международному сотрудничеству по расширению MAZU, администратор CMA Чэнь Чжэньлинь заявил, что системы раннего оповещения являются экономически эффективным способом защиты жизни и имущества в условиях угрозы экстремальной погоды для продовольственной и энергетической безопасности.
Согласно китайским новостным сводкам, на Всемирной конференции по искусственному интеллекту в 2026 году в Шанхае стенд MAZU вызвал огромный интерес среди дипломатов, инженеров и журналистов. Популярность системы могла возрасти благодаря тому, что президент Китая Си Цзиньпин упомянул ее в своем основном докладе на конференции. Он объявил, что в течение следующих пяти лет Китай предоставит развивающимся странам 5000 возможностей для обучения и семинаров по ИИ и позволит 30 странам использовать метеорологическую систему оповещения на базе ИИ, MAZU.
Бабар из PMD отметил, что MAZU может быть адаптирован к географии, инфраструктуре и рискам стихийных бедствий конкретной страны путем интеграции местных метеорологических данных. Пакистанские исследователи и прогнозисты прошли обучение использованию версии, откалиброванной под данные Пакистана.
Система MAZU также была внедрена в Джибути, Эфиопии, Монголии, Иордании, Шри-Ланке и Соломоновых островах. Китай также поддерживает более 40 стран посредством облачных виртуальных испытаний системы.
Асим Джавид, генеральный директор AI Geo Navigators, который использует ИИ, картографические данные и дистанционное зондирование для оценки погоды и экологических рисков, считает ценным то, что платформа объединяет традиционную метеорологию, данные со спутников и радаров, наблюдения наземных станций и локальную калибровку с аналитикой и предупреждениями ИИ. Он подчеркнул, что интеграция всех этих входных данных в одном месте меняет подход прогнозистов к работе.
Климатолог Имран Халид предупреждает, что инструменты погоды на основе ИИ поддерживают системы раннего оповещения, но сами по себе они не являются «автономными системами, достаточными для устранения наших пробелов... по крайней мере, пока». Бабар объяснил, что эффективная система раннего оповещения требует комплексного подхода всего правительства, основанного на четырех компонентах: управление рисками стихийных бедствий, обнаружение и прогнозирование, распространение и коммуникация, а также готовность и реагирование.
Этот целостный подход поддержан Джунайдом Ямином, соучредителем пакистанского сервиса прогноза погоды WeatherWalay. Он также заявил, что успех сектора гидрометеорологии зависит в конечном итоге от эффективного государственно-частного партнерства. Ямин подчеркнул, что ни одна организация не может справиться с изменением климата в одиночку; это требует преодоления барьеров, обмена данными и согласования усилий правительства, бизнеса и гражданского общества вокруг общей миссии.
Джавид согласился с этим, утверждая, что метеорологические данные должны быть «открытым исходным кодом». Он пояснил, что дождь и жара провоцируют множество погодных опасностей, влияющих на бизнес — от телекоммуникаций и банковского дела до сельского хозяйства. Доступ к данным о погоде может помочь предприятиям разрабатывать продукты, снижающие ущерб от стихийных бедствий.
Всемирная метеорологическая организация (WMO) продвигает более свободный обмен наблюдательными метеорологическими данными в рамках своей унифицированной политики данных 2021 года и стратегии на 2024–27 годы, которая акцентирует внимание на партнерстве с частным сектором.
Бабар объяснил, что атмосфера «по своей сути хаотична», и даже небольшие изменения давления воздуха, температуры, ветра и влажности могут сделать точный прогноз невозможным только традиционными методами. Именно здесь системы вроде MAZU могут помочь, поскольку они способны решать сложные математические уравнения за секунды, позволяя прогнозистам принимать более быстрые и своевременные решения.
Однако, как отметил Халид, эти системы хороши настолько, насколько хороши данные о погоде, которые в них подаются. Без качественных данных прогнозы будут лишь догадками. Такие программы могут предсказывать крупные события, например, муссоны и волны жары. Тем не менее, точные прогнозы — например, когда муссон достигнет определенной долины в горном регионе или спровоцирует ли жара паводки из ледниковых озер — требуют плотного, равномерно распределенного радиолокационного покрытия, которого в Пакистане не хватает.
Ледниковые озера, образующиеся талыми водами горных ледников, представляют собой растущую угрозу в Гималайском водосборном бассейне. Эти наводнения могут быть вызваны землетрясением, лавиной или накоплением слишком большого количества талой воды. Джавид отметил, что Пакистан представляет собой сложный случай: наземные станции скудны, а в северных горных районах страны высота местности может резко меняться всего за несколько километров. События, приводящие к гибели людей — высоколокализованные сильные осадки и внезапные наводнения — происходят в масштабах, которые большинство глобальных моделей не могут спрогнозировать. MAZU не может предсказывать погоду на уровне 1 км, как и большинство моделей США и Европы, которые обычно работают с разрешением около 9 км.
Еще одна проблема, по мнению Джавида, заключается в распространенном заблуждении, что системы ИИ автоматически дают высокоточные результаты. Он пояснил, что все по-прежнему зависит от наблюдений и моделей. Модель учится на прошлом, а события, по которым нам больше всего нужны предупреждения, часто имеют наименьшую историческую запись. Эти пробелы ограничивают точность прогнозирования погоды на местном уровне. Халид предупредил, что без подробных наземных данных инструменты ИИ могут «галлюцинировать», выдавая уверенные местные прогнозы без реальной наблюдательной базы, что может привести к серьезным последствиям.
Он также отметил, что модели могут пропускать высоколокализованные события, такие как интенсивные дожди в нескольких кварталах или точное время и место выхода циклона на сушу, оставляя сообщества неподготовленными. Поэтому критически важны локализованные радиолокационные данные.
Выходные данные моделей должны проверяться независимо, а сами системы должны обучаться с учетом реалий Пакистана. Это включает обучение на исторических погодных закономерностях и обозначение неопределенностей в результатах при наличии пробелов в данных. Кроме того, результаты должны учитывать институциональные ограничения, такие как задержки в связи между правительственными ведомствами, а также недостаток экспертного персонала и оборудования для мониторинга, как отметил Халид.
Джавид также поднял вопрос подотчетности. Использование системы с поддержкой ИИ, такой как MAZU, вводит дополнительные выходные данные модели или автоматизированные рекомендации. Они должны документироваться, при этом уполномоченный прогнозист PMD сохраняет ответственность за выпуск публичного предупреждения. Он настаивает, что каждое предупреждение должно иметь четкий аудиторский след, показывающий наблюдения, выходные данные модели, пороговые значения и профессиональное суждение, стоящее за ним. Он добавил, что MAZU должен делать это суждение «более точным, а не опциональным».
Чтобы проверить, действительно ли MAZU работает лучше существующих систем, Джавид предложил использовать три простых критерия. Во-первых, он проверит точность прогнозов MAZU по сравнению с существующей системой PMD и независимым эталоном, таким как признанная глобальная система прогнозирования. Во-вторых, будет проведена проверка обнаружения угроз: «Может ли MAZU точно идентифицировать опасные погодные явления, а не просто предсказывать обычную погоду?» В-третьих, будет оценена практическая ценность: сколько дополнительного времени предупреждения предоставляет система и сколько ложных тревог генерирует. Он заключил, что если MAZU докажет свое превосходство по навыкам прогнозирования, обнаружению угроз и времени предупреждения, он принесет реальную пользу, иначе это будет хорошо спроектированная, но не проверенная платформа.