Прогноз климата напоминает сложный кулинарный рецепт: одна неверная щепотка — и всё блюдо испорчено. Так и с облаками — малыми, но решающими ингредиентами. Традиционные климатические модели разбивают атмосферу на ячейки размером 50–100 км и не различают отдельные облака. Это всё равно что сыпать перец горстями, когда рецепт требует аккуратную щепотку. Аналогия упрощает реальность: в моделях потеря информации об облаках ведёт к накоплению ошибок в расчёте отражения и пропускания солнечного излучения.

Чтобы исправить это, учёные обучили нейросеть на детальных симуляциях с высоким разрешением, где облачная структура видна до мельчайших подробностей. Нейросеть освоила предсказание той доли солнечного тепла, которая связана именно с облаками. Безоблачное небо по-прежнему обсчитывают строгой физикой — так метод остаётся точным при любых изменениях уровня CO₂ и солнечной активности. В результате ошибки уменьшились в 4–10 раз по сравнению с прежними подходами.

Неожиданный поворот: нейросеть никогда не видит сами облака. Она работает с теми же крупными ячейками, что и климатическая модель, но улавливает их скрытое влияние на потоки излучения. Так микроскопическая деталь — распределение облачных капель — управляет глобальной картиной, а машинное обучение выступает как точный инструмент параметризации, заменяющий грубые приближения.