GenCast, Google DeepMind'i tehisintellekti mudel, on näidanud muljetavaldavat täpsust ilmaennustuses, lihtsustades traditsiooniliste mudelitega võrreldes. 2019. aasta andmeid kasutavates testides ületas GenCast juhtivat ENS ennustusmudelit 97, 2% juhtudest, nagu avaldatud ajakirjas Nature. Kuigi tehisintellekt ei asenda traditsioonilisi ennustusmeetodeid lähiajal, lubavad mudelid nagu GenCast suurendada ilmaennustuste täpsust, eriti tugeva tormi korral. GenCast treeniti ilmainfot 1979–2018 ning ta õpib ajaloolistest mustritest tulevikusündmuste prognoosimisel erinevalt traditsioonilistest mudelitest, mis tuginevad atmosfääri füüsika simuleerimiseks superarvutitele. GenCast pakkus keskmiselt 12 täiendavat tunni ettehoiatust troopiliste tsüklonite kohta ning paistis silma tsüklonite teede, ekstreemsete ilmade ja tuuleenergia tootmise prognoosimisel 15-päevase ennustusperioodi jooksul. GenCast'i algsed testid viidi läbi vanema ENS versiooniga, mis nüüd töötab kõrgemal resolutsioonil, raskendades otseseid võrdlusi praeguse olukorraga. Siiski, sarnased uuringud aastateks 2020–2022 peegeldasid positiivseid tulemusi, kuigi need pole läbinud eelretsenseerimist ja puuduvad 2023.

aasta andmed. Hoolimata ENS-i varasemast kõrgemast resolutsioonist, paistis GenCast silma tänu erinevustele arvutuslikes lähenemistes. GenCast kasutab 0, 25-kraadist ruudustikku, samas kui ENS parandas 2019. aastal resolutsiooni 0, 2 kraadilt 0, 1 kraadile. GenCast'i kiirus on eelis, tootes 15-päevaseid prognoose kaheksa minutiga, erinevalt ENS-ist, mis nõuab tunde, rõhutades selle potentsiaalset tõhususkasu ja vähendatud arvutuskulusid. GenCast'il on siiski arenguruumi, näiteks kõrgema resolutsiooni saavutamiseks või sagedamate prognooside valmistamiseks kui praegune 12-tunnine intervall, mis võiks mõjutada reaalse rakenduse nagu tuuleenergia hindamist. Kuigi tehisintellekti rolli meteoroloogias alles hinnatakse, lubab GenCast'i avatud lähtekood prognoosijatel sellega katsetada. DeepMind näeb mudeleid nagu GenCast liitumas traditsiooniliste meetoditega, et luua usaldust ja kindlust AI-ga täiustatud prognoosimise vastu, püüdes laiaulatuslikku sotsiaalset mõju.