Последняя модель искусственного интеллекта Google для прогнозирования погоды не дает вам повода забыть зонт

Google DeepMind и Google Research представили новую модель прогнозирования погоды на основе искусственного интеллекта, которая обеспечивает более четкое понимание атмосферных изменений и позволяет получать более частые и надежные прогнозы.

WeatherNext 3 представляет собой значительный скачок в метеорологии, обусловленный глубоким обучением. Google планирует интегрировать эту модель в Search, Google Maps и Gemini, а также сделать ее доступной для исследователей и пользователей через свои облачные платформы.

«Это первый раз, когда основные переменные напрямую питают широкий спектр продуктов Google», — сказал Самьер Мерчант, старший инженер-исследователь в Google, в интервью TechCrunch.

Протестированная на Operational WeatherBench — бенчмарке, созданном стартапом Brightband для сравнения прогнозов на основе ИИ, — WeatherNext 3 продемонстрировала превосходную точность по ключевым показателям, таким как температура, скорость ветра и влажность.

Она превосходит другие модели глубокого обучения от Google, Microsoft, Nvidia и Европейского центра среднесрочных прогнозов погоды (ECMWF), а также традиционные прогнозы Национальной службы погоды США и ECMWF.

Благодарности за изображение:Brightband / Brightband

Традиционные прогнозы погоды полагаются на суперкомпьютеры правительств, решающие сложные физические уравнения. Хотя эти системы точны, они дороги и медленны. С 2018 года, когда ECMWF выпустил десятилетия исторических данных, исследователи использовали глубокое обучение для создания более быстрых моделей со сравнимой точностью.

«Погода хаотична; небольшие различия могут привести к масштабным возмущениям», — объяснил Ферран Алет, руководитель группы научных сотрудников в DeepMind. «Машинное обучение решает основную проблему: аппроксимацию зашумленной физики с использованием неполной информации и ограниченных вычислительных ресурсов, что позволяет ей изучать закономерности из обширных наборов данных».

Предыдущие модели прогнозирования на основе ИИ сталкивались с ключевыми ограничениями: они охватывали широкие области (15–25 квадратных километров) с ограниченной практической полезностью, испытывали трудности с прогнозированием дождя и полагались на предварительно обработанные правительственные данные.

WeatherNext 3 решает эти проблемы. Она обеспечивает разрешение 5 км, улучшает точность прогноза дождя на 60% по сравнению с WeatherNext 2 и генерирует почасовые прогнозы вместо стандартных шестичасовых интервалов.

Благодарности за изображение:Google / Google

Эти улучшения проистекают из конкретных дизайнерских решений. WeatherNext 3 имеет в 2.4 раза больше параметров, чем ее предшественник, с декодерными головами, адаптированными для предоставления более практичных выводов. В отличие от стандартных прогнозов, которые усредняют данные по 3D-сеткам, модель DeepMind может визуализировать конкретные события, такие как пути циклонов.

Кроме того, модель обучается предсказывать данные для конкретных метеостанций. Это повышает детализацию прогнозов и позволяет оценивать их по сравнению с данными, полученными на месте.

«Цель многих приложений ИИ — выполнять задачи от начала до конца», — сказал Дэниел Ротенберг, атмосферный ученый в Brightband. «Предсказывая данные конкретных станций, такие как почасовые условия в аэропорту Денвера, мы связываем прогнозирование более тесно с реальной полезностью».

Более высокая частота прогнозов модели обеспечивается за счет приема данных со спутников в реальном времени каждый час. Использование необработанных эмпирических наблюдений вместо анализа, сгенерированного суперкомпьютерами, повышает точность, хотя обработка неформатированных данных остается технически сложной задачей.

Google утверждает, что WeatherNext 3 — это первая модель ИИ, которая включает необработанные наблюдения для глобальных прогнозов высокого разрешения. Однако стартап ИИ WindBorne заявляет, что его модель WeatherMesh 6 использует необработанные данные с метеозондов с конца 2025 года. Google отмечает, что ее прогнозы предлагают более высокое глобальное разрешение. Обе модели по-прежнему полагаются на национальные наборы данных, что указывает на необходимость дальнейшей работы для истинного прямого ассимилирования данных.

Хотя большие языковые модели доминируют в заголовках, революция трансформеров в метеорологии столь же трансформационна. Метеорологические агентства в Европе и США уже используют ИИ в своих прогнозах, предлагая преимущества скорости и стоимости, которые могут сделать точные прогнозы доступными для бедных регионов.

Билл Гейтс недавно выделил прогнозирование погоды на основе ИИ как ключевое преимущество, отметив его потенциал для улучшения урожайности сельскохозяйственных культур в развивающихся странах. Ферран Алет добавил, что прогнозы более высокого разрешения для ветра, дождя и облачности помогут сделать проекты возобновляемой энергии более надежными.

«В конечном итоге Google стремится предоставить пользователям полезную информацию, и погода является центральной частью этого», — заключил Алет.