В данной статье представлено системное описание переводческих неудач, возникающих в результате нейронного машинного перевода на русский язык финноязычных метеорологических медиатекстов, содержащих прогнозы прохождения холодного фронта и фиксацию отрицательных температур. Актуальность темы обусловлена все более пристальным вниманием метеорологов к явлениям, связанным с изменением климата и погодными аномалиями, а также заинтересованностью специалистов IT-сферы в оптимизации систем нейронного машинного перевода, позволяющих существенно ускорить процесс межъязыковой коммуникации. Основная цель исследования состоит в выявлении и систематизации переводческих неудач, возникающих при переводе финноязычных метеотекстов о холодной погоде, которые опубликованы в электронной версии газеты «Iltalehti», и содержащихся в них признаках холода. Сначала методом сплошной выборки был проведен отбор микроконтекстов, затем посредством онлайн-переводчика DeepL Translate выполнен перевод отобранных метеотекстов, наконец, с помощью компонентного и контекстуального анализа выявлены и представлены основные типы переводческих неудач, рассмотрены причины их возникновения. Исследование показало, что наибольшее количество переводческих неудач при передаче средств вербализации холода связано с утратой ощущения холода, когда сема холода, включенная в семантическую структуру финской лексемы, не находит отражения в переводе на русский язык. Переводческие неудачи также могут быть связаны с выбором не соответствующей контексту лексической единицы, с использованием имен собственных и лингвокреатем, передача которых требует поиска оригинальных переводческих решений и чаще всего не может быть реализована при нейронном машинном переводе. Результаты исследования могут быть использованы в целях оптимизации систем нейронного машинного перевода. Возможно также применение полученных данных при обучении переводу и постредактированию переводов метеорологических медиатекстов.