在本项研究中，论文第一作者兼共同通讯作者、谷歌旗下前沿人工智能公司DeepMind的Ilan Price和同事合作，研发出GenCast的机器学习天气预测方法，其能生成概率性预测，即根据当前和之前的天气状态预测未来天气的可能性。论文作者用40年(1979至2018年)的天气发生最佳估计分析数据训练了GenCast，使其能在8分钟内对超过80个表面和大气变量进行以12小时为单位的15天全球预报。

游戏平台steam官网该论文介绍，准确的天气预报对于个人、政府和组织的日常关键决策必不可少，这些决策包括是否带雨伞、评估风能产量或是极端天气规划。气象预报传统上使用数值天气预报法，这种方法估计当前天气，并基于此预测未来一段时间的天气情况(称为确定性预报)。这会产生大量潜在情景，通过结合这些情景就能进行天气预报。

这次研究结果显示，相较于一种确定性预报且是全球当前最好的中期预报——欧洲中期天气预报中心的集合预报(ENS)，GenCast在用于评估表现的1320个指标中有97.2%的指标都优于ENS。论文作者还发现，GenCast在预测极端天气、热带气旋路线和风能产量时更有效。