Google DeepMind воведе GenCast, модел за предвидување на временски услови базиран на вештачка интелигенција, кој ги надминува тековните системи. Објавено во Nature, GenCast е вториот неодамнешен модел за временски услови на DeepMind, следувајќи го јулскиот NeuralGCM, кој ги интегрира вештачката интелигенција со методите базирани на физика и бараше помалку компјутерска моќ, но имаше слични перформанси како и конвенционалните прогнози. За разлика од NeuralGCM, GenCast се потпира исклучиво на вештачката интелигенција, слично како ChatGPT за предвидување на текст, преку прогноза на веројатни временски услови со користење на научени обрасци од споредување на предвиди со реални временски податоци. Моделот беше обучуван на податоци од 40 години, од 1979 до 2018 година, и го надмина најдобриот актуелен Ensemble Forecast (ENS) во предвидување на времето за 2019 година 97% од времето, особено за ветар и екстремни настани како тропски циклони. Ова ја зголемува ефикасноста на енергија од ветер и планирањето на катастрофи. Други технолошки гиганти исто така ја употребуваат вештачката интелигенција за прогноза на времето. Nvidia го објави FourCastNet во 2022 година, а во 2023 година, Huawei го пушти својот модел Pangu-Weather, кој се фокусира на детерминистички прогнози.

За разлика, GenCast обезбедува прогнози базирани на веројатност, нудејќи проценки на веројатност, што помага при проценка на различни сценарија на времето за подобро планирање. Иако е револуционерен, GenCast не ја заменува конвенционалната метеорологија. Се потпира на историски податоци, кои можат да се покажат нецелосни при променливи климатски услови, и на сет на податоци како ERA5 заснован на модели базирани на физика. Многу атмосферски променливи бараат проценки базирани на физика бидејќи не се директно набљудливи, што налага постојано ажурирање на податоците. Како што забележуваат Арон Хил од Универзитетот во Оклахома и Илан Прајс од DeepMind, конзистентниот внос на податоци е критичен за точноста на моделот со текот на времето. Идните планови вклучуваат тестирање на модели со директни набљудувачки податоци, како што се ветер или влажноста. Тековните модели базирани на вештачка интелигенција се соочуваат со предизвици, како што се предвидување на условите во горната тропосфера или интензитетот на циклони поради ограничените податоци. Креаторите на GenCast замислуваат соработка со метеоролози за подобрување на прогнозите, потенцирајќи ја човечката експертиза за интегрирање на различни влезови на податоци и донесување информирани одлуки.