Найновіша модель погоди на базі штучного інтелекту від Google активно тестується користувачами
Вчені з Google DeepMind та Google Research сьогодні випустили нову модель штучного інтелекту для прогнозування погоди, яка чіткіше бачить зміну нашої атмосфери та частіше передбачає її поведінку.
WeatherNext 3 – це остання хвиля кардинальних змін у метеорології, спричинених методами глибокого навчання, і Google стверджує, що вона почне враховувати інформацію про погоду, яку користувачі бачать у пошуку, на Картах Google та в Gemini, а також буде доступна користувачам і дослідникам на хмарних платформах Google.
«Це буде перший випадок, коли деякі з ключових змінних живлять і забезпечують роботу багатьох продуктів Google», – сказав TechCrunch Самієр Мерчант, старший інженер Google.
Нова модель вже довела свою точність серед провідних конкурентів, протестованих на Operational WeatherBench , утиліті для порівняння прогнозів на основі штучного інтелекту, створеній стартапом Brightband. Вона враховує такі показники, як температура, швидкість вітру та вологість.
Окрім того, що вона перевершує інші моделі глибокого навчання, створені Google, Microsoft, Nvidia та Європейським центром середньострокового прогнозування погоди (ECMWF), вона також перевершує традиційні прогнози Національної метеорологічної служби США та ECMWF.
Більшість прогнозів погоди надходять від державних суперкомп'ютерів, які ретельно обробляють математичні рівняння, написані для опису фізики погоди; хоча ці системи стали надзвичайно точними, вони дорогі та порівняно повільні. Після того, як ECMWF опублікував понад півстоліття даних про погоду, отриманих цими системами у 2018 році, дослідники глибокого навчання почали навчати моделі, які могли б робити прогнози набагато швидше та з порівнянною точністю з державними інструментами.
«Погода хаотична, і тому невеликі відмінності починають завдавати величезних збурень… Машинне навчання спрямоване на проблему, яку ми насправді вирішуємо, а саме наближену шумну фізику, що базується на неповній інформації та скінченних обчисленнях, і тому воно вивчає закономірності з великої кількості даних», — сказав Ферран Алет, менеджер з наукових досліджень у DeepMind.
WeatherNext 3 вирішує всі три завдання. Дослідники повідомили TechCrunch, що за ключовими змінними він може прогнозувати з точністю до 5 км. Його оцінки щодо дощу на 60% покращені порівняно з WeatherNext 2, і тепер він може створювати погодинні прогнози замість стандартного прогнозування кожні шість годин.
Ці покращення є результатом спеціального вибору, зробленого розробниками. WeatherNext 3 — це більша модель, з у 2,4 рази більшою кількістю параметрів, ніж її попередниця, що дозволяє адаптувати цілі для декодерних головок для отримання корисніших відповідей. Хоча більшість прогнозів погоди виводяться у вигляді показників, усереднених по 3D-сітці, дослідники DeepMind вже заслужили схвалення, налаштувавши свою модель також для візуалізації шляхів циклонів.
Цього разу розробники також навчили модель орієнтувати свої прогнози на конкретні метеостанції. Це важливо не лише для надання більш детальних прогнозів, але й для можливості оцінки її роботи на основі конкретних, достовірних даних.
«Ідея багатьох застосувань штучного інтелекту полягає в тому, щоб спробувати виконувати завдання якомога комплексніше», — сказав Даніель Ротенберг, науковець з атмосфери в Brightband. «Додавання можливості, де ця модель тепер також прогнозуватиме, скажімо, що погодинно вимірюватиме метеостанція аеропорту Денвера, просто наближає це завдання прогнозування до ядра».
Модель здатна робити прогнози частіше, оскільки може використовувати дані метеорологічних супутників, зібрані в режимі реального часу щогодини. Використання моделей штучного інтелекту на основі необроблених емпіричних спостережень, а не аналізу, проведеного метеорологічними суперкомп'ютерами, обіцяє точніший прогноз, але технічно все ще складно змусити моделі працювати з неформатованими даними.
Google стверджує, що WeatherNext 3 — це «перша» модель штучного інтелекту, яка безпосередньо використовує необроблені спостереження для глобального прогнозу з високою роздільною здатністю, але стартап зі штучним інтелектом, що спеціалізується на погоді WindBorne, стверджує, що їхня модель WeatherMesh 6 використовує необроблені спостереження зі свого парку метеорологічних куль та інших джерел з кінця 2025 року. На запитання про це Google зазначила, що їхні прогнози мають вищу роздільну здатність по всьому світу. Незважаючи на це, обидві моделі все ще покладаються на національні набори даних про погоду для виконання прогнозів, тому для справжньої прямої асиміляції даних знадобиться більше роботи.
Хоча основну увагу приділяють магістратурі з ліцензування (LLM), трансформаційна революція в метеорології була не менш важливою. Європейські та американські метеорологічні агентства вже використовують моделі штучного інтелекту у своїх прогностичних продуктах, а їхня швидкість та низька вартість обіцяють економічний вплив на бідніші регіони, де витрати на високоякісні датчики та суперкомп'ютери зробили точні прогнози недоступними.
Білл Гейтс нещодавно назвав прогнозування погоди на основі штучного інтелекту вирішальною перевагою цієї технології, оскільки кращі прогнози покращують врожайність сільськогосподарських культур у країнах, що розвиваються. Алет, дослідник DeepMind, сказав, що прогнози вітру, дощу та хмарності з вищою роздільною здатністю будуть корисними для підвищення надійності проектів відновлюваної енергетики.
«Зрештою, я вважаю, що Google прагне надавати користувачеві корисну інформацію, і багато з того, що шукають користувачі, так чи інакше пов’язано з погодою», – сказав Алет.