Η Google Research και το Google DeepMind κυκλοφόρησαν το WeatherNext 3, τη νεότερη έκδοση του συστήματος πρόβλεψης καιρού AI της εταιρείας και, σύμφωνα με τον λογαριασμό της Google, το πιο ακριβές παγκόσμιο μοντέλο πρόβλεψης μέχρι τώρα. Ανακοινώθηκε στις 3 Σεπτεμβρίου, το σύστημα θα αρχίσει να τροφοδοτεί πληροφορίες για τον καιρό στην Αναζήτηση, στους Χάρτες Google και στο Gemini και είναι διαθέσιμο σε επιχειρήσεις και ερευνητές μέσω των πλατφορμών cloud της Google.

Σε αντίθεση με τους κυβερνητικούς υπερυπολογιστές που έχουν παράγει τις περισσότερες από τις προβλέψεις του κόσμου εδώ και δεκαετίες, το WeatherNext 3 είναι ένα μοντέλο βαθιάς μάθησης: μαθαίνει μοτίβα απευθείας από παρατηρήσεις αντί να λύνει βήμα-βήμα τις εξισώσεις της ατμοσφαιρικής φυσικής. Η Google λέει επίσης ότι είναι το πρώτο μοντέλο τεχνητής νοημοσύνης που ενσωματώνει ακατέργαστες δορυφορικές παρατηρήσεις απευθείας σε μια παγκόσμια πρόβλεψη υψηλής ανάλυσης - έναν ισχυρισμό που αμφισβητεί τουλάχιστον ένας ανταγωνιστής. Εδώ είναι τι άλλαξε και γιατί οι μετεωρολόγοι πολύ πέρα ​​από την Google παρακολουθούν στενά τις [τελευταίες εξελίξεις AI] (https://aibuzzwire.news) σε αυτόν τον τομέα.

Πώς το AI έσπασε το καλούπι πρόγνωσης καιρού

Οι παραδοσιακές προβλέψεις προέρχονται από εθνικούς φορείς, όπως η Εθνική Μετεωρολογική Υπηρεσία των ΗΠΑ και το Ευρωπαϊκό Κέντρο Μεσοπρόθεσμων Προγνώσεων Καιρού (ECMWF), των οποίων οι υπερυπολογιστές αναλύουν μαθηματικές εξισώσεις που περιγράφουν τη φυσική της ατμόσφαιρας. Αυτά τα συστήματα είναι εξαιρετικά ακριβή, αλλά ακριβά και σχετικά αργά.

Η εναλλακτική λύση βαθιάς μάθησης απογειώθηκε αφού το ECMWF δημοσίευσε πάνω από μισό αιώνα αρχειοθετημένων καιρικών δεδομένων το 2018, δίνοντας στους ερευνητές ακριβώς το είδος της εκπαίδευσης που ευδοκιμούν τα νευρωνικά δίκτυα σώματος. «Ο καιρός είναι χαοτικός και έτσι οι μικρές διαφορές αρχίζουν πραγματικά να διαταράσσονται μαζικά», δήλωσε στο TechCrunch ο Ferran Alet, διευθυντής ερευνητών στο DeepMind. "Η μηχανική μάθηση στοχεύει το πρόβλημα που λύνουμε πραγματικά, το οποίο είναι κατά προσέγγιση θορυβώδης φυσική από ελλιπείς πληροφορίες και πεπερασμένους υπολογισμούς, και έτσι μαθαίνει μοτίβα από πολλά δεδομένα."

Πιο οξύ, ταχύτερο και πολύ πιο συχνά

Το WeatherNext 3 είναι ένα μεγαλύτερο μοντέλο από τον προκάτοχό του — 2,4 φορές περισσότερες παραμέτρους — και πλέον βρίσκεται στην κορυφή του Operational WeatherBench της Brightband, ένα ανεξάρτητο σημείο αναφοράς που συγκρίνει συστήματα πρόβλεψης τεχνητής νοημοσύνης σχετικά με τη θερμοκρασία, την ταχύτητα ανέμου και την υγρασία. Σύμφωνα με το TechCrunch, ξεπερνά τα ανταγωνιστικά μοντέλα βαθιάς μάθησης από την Google, τη Microsoft, τη Nvidia και το ECMWF και ξεπερνά τις παραδοσιακές αριθμητικές προβλέψεις που παράγονται από την Εθνική Μετεωρολογική Υπηρεσία των ΗΠΑ και την ίδια την ECMWF.

Τα πρακτικά οφέλη είναι σημαντικά:

  • Ανάλυση έως 5 km για βασικές μεταβλητές, όπου τα περισσότερα μοντέλα τεχνητής νοημοσύνης προβλέπουν σε περιοχές 15 έως 25 km. Ο αποκωδικοποιητής αναφέρει ότι το μοντέλο είναι πέντε φορές πιο λεπτομερές από το WeatherNext 2.
  • Η πρόβλεψη βροχής βελτιώθηκε κατά 60 τοις εκατό σε σχέση με το WeatherNext 2 στις αξιολογήσεις της Google και το 9to5Google αναφέρει 50 τοις εκατό πιο ακριβείς προβλέψεις βροχοπτώσεων για τα προϊόντα της Google.
  • Ωριαίες προβλέψεις αντί του τυπικού ρυθμού έξι ωρών, επειδή το μοντέλο μπορεί να απορροφά δορυφορικές παρατηρήσεις που συλλέγονται σε πραγματικό χρόνο κάθε ώρα.
  • Στόχευση σε επίπεδο σταθμού, που σημαίνει ότι το μοντέλο προβλέπει τι θα μετρήσουν συγκεκριμένοι μετεωρολογικοί σταθμοί — όχι μόνο τετράγωνα πλέγματος —.

«Η ιδέα, με πολλές εφαρμογές τεχνητής νοημοσύνης, είναι να προσπαθήσουμε να εκτελούμε εργασίες όσο το δυνατόν πιο ολοκληρωμένες», δήλωσε στο TechCrunch ο Daniel Rothenberg, ατμοσφαιρικός επιστήμονας στο Brightband. "Η προσθήκη μιας ικανότητας όπου αυτό το μοντέλο τώρα προβλέπει επίσης, ας πούμε, τι θα μετρήσει ο μετεωρολογικός σταθμός του αεροδρομίου του Ντένβερ σε ωριαία βάση, απλώς συνδέει αυτήν την εργασία πρόβλεψης πιο κοντά στον πυρήνα."

Η διαμάχη για τα ακατέργαστα δορυφορικά δεδομένα

Ο ισχυρισμός της Google για ένα πρώτο στηρίζεται στην υδραυλική διαχείριση δεδομένων όσο και στην αρχιτεκτονική μοντέλων. Οι περισσότεροι προγνώστες τεχνητής νοημοσύνης εξακολουθούν να εκπαιδεύονται και να αρχικοποιούν διαμορφωμένα σύνολα δεδομένων ανάλυσης που παράγονται από κυβερνητικές μετεωρολογικές υπηρεσίες. Το WeatherNext 3 απορροφά ακατέργαστες δορυφορικές παρατηρήσεις απευθείας, ωριαία — πιο κοντά, υποστηρίζει η Google, στην αληθινή αφομοίωση δεδομένων.

Η startup WindBorne για τον καιρό της τεχνητής νοημοσύνης αντεπιτίθεται ότι το δικό της μοντέλο WeatherMesh 6 ενσωματώνει ακατέργαστες παρατηρήσεις από τον στόλο μετεωρολογικών μπαλονιών και άλλες πηγές από τα τέλη του 2025. Ερωτηθείσα για τη διαφωνία, η Google επεσήμανε την παγκόσμια επίλυση των προβλέψεών της. Και οι δύο εταιρείες, σημειώνει η TechCrunch, εξακολουθούν να βασίζονται σε εθνικά σύνολα δεδομένων για μέρη του αγωγού, επομένως η πλήρης άμεση αφομοίωση παραμένει ένα έργο σε εξέλιξη για ολόκληρο τον τομέα.

Πού θα το δουν οι χρήστες

"Αυτή θα είναι η πρώτη φορά που ορισμένες από τις βασικές μεταβλητές τροφοδοτούν και τροφοδοτούν πολλά από τα προϊόντα της Google", δήλωσε στο TechCrunch ο Samier Merchant, ανώτερος μηχανικός προσωπικού της Google. Οι πληροφορίες καιρού στην Αναζήτηση, στους Χάρτες Google και στο Gemini θα βασιστούν στην έξοδο WeatherNext 3, θέτοντας προβλέψεις που δημιουργούνται από AI μπροστά σε δισεκατομμύρια χρήστες — πολλοί από τους οποίους δεν θα μάθουν ποτέ το μοντέλο πίσω από αυτές.

Γιατί έχει σημασία πέρα από την εφαρμογή

Τα οικονομικά είναι η μεγαλύτερη ιστορία. Οι προβλέψεις τεχνητής νοημοσύνης είναι γρήγορες και φθηνές στην παραγωγή σε σύγκριση με τα σύνολα υπερυπολογιστών, γεγονός που θέτει τις χρήσιμες προβλέψεις σε κοντινή απόσταση από περιοχές που ποτέ δεν μπόρεσαν να το αντέξουν οικονομικά. Το Decoder αναφέρει ότι τμήματα της Αφρικής, της Λατινικής Αμερικής και της Ασίας-Ειρηνικού που δεν έχουν ακριβείς προβλέψεις θα πρέπει να δουν τα μεγαλύτερα κέρδη. Ο Bill Gates ανέφερε την πρόβλεψη καιρού με τεχνητή νοημοσύνη ως συγκεκριμένο αναπτυξιακό όφελος, με καλύτερες προβλέψεις που βελτιώνουν τις αποδόσεις των καλλιεργειών στις αναπτυσσόμενες χώρες και ο Alet σημειώνει ότι οι προβλέψεις ανέμου, βροχής και σύννεφων υψηλότερης ανάλυσης μπορούν να κάνουν τα έργα ανανεώσιμων πηγών ενέργειας πιο αξιόπιστα.

Οι μετεωρολογικές υπηρεσίες στην Ευρώπη και τις ΗΠΑ αναδιπλώνουν ήδη μοντέλα τεχνητής νοημοσύνης στα επιχειρησιακά τους προϊόντα. Με το WeatherNext 3, η επανάσταση του μετασχηματιστή που αναμόρφωσε τη γλώσσα έχει γίνει αθόρυβα η μηχανή του καθημερινού καιρού.

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Η έρευνα AI προχωρά γρήγορα. Αποκτήστε τις τελευταίες εξελίξεις AI σε ένα μέρος.

Διαβάστε περισσότερα νέα AI →