Google DeepMind i Google Research uruchomiły w czwartek WeatherNext 3, opisując go jako najbardziej zaawansowany i dokładny globalny model sztucznej inteligencji pogody, jaki kiedykolwiek zbudowała firma. Nowy system generuje nową prognozę co godzinę zamiast co sześć i analizuje kluczowe zmienne powierzchni, takie jak temperatura i wilgotność, w siatce o długości 5 km – obraz według Google jest około pięć razy ostrzejszy niż jego poprzednik, WeatherNext 2.
W przeciwieństwie do większości wprowadzanych na rynek modeli, ten jest już wpleciony w produkty używane przez miliardy. Według Google WeatherNext 3 obsługuje teraz wyniki pogodowe w wyszukiwarce, Gemini, Mapach, Google Maps Platform i Google Cloud. Dla zwolenników najnowszych wiadomości i badań dotyczących sztucznej inteligencji prognozowanie pogody po cichu stało się jednym z najskuteczniejszych komercyjnie obszarów uczenia maszynowego – dziedziną, w której systemy sztucznej inteligencji nie są już demonstracjami badawczymi, ale domyślnym silnikiem odpowiadającym za codzienne odpowiedzi.
Pięciokrotny skok rozdzielczości
Przydatność prognozy często sprowadza się do szczegółów: tego, jak precyzyjnie model uwzględnia zarówno przestrzeń, jak i czas. WeatherNext 3 generuje prognozy godzinowe w wielu rozdzielczościach przestrzennych. Temperatura i wilgotność powierzchni są przedstawiane w odległości 5 kilometrów, inne zmienne powierzchniowe w odległości 10 kilometrów, a zmienne atmosferyczne, takie jak prędkość wiatru w odległości 25 kilometrów.
Dla porównania WeatherNext 2 generował prognozy na siatce o długości 25 km w odstępach 6-godzinnych. W porównaniu opublikowanym wraz z ogłoszeniem, prognoza temperatury nowego modelu na poziomie 2 metrów nad Wielką Brytanią rozwiązała skomplikowaną lokalną topografię, unikając pikselowanych, nadmiernie wygładzonych reprezentacji termicznych wytwarzanych przez starszą siatkę.
Uczenie się z satelitów na żywo, a nie tylko z symulacji
Model uczy się z głębszych zmian. Większość modeli pogody opartych na sztucznej inteligencji, w tym WeatherNext 2, jest szkolona na podstawie wyników numerycznych prognoz pogody (NWP) – symulacji fizyki opartych na superkomputerach, które od dziesięcioleci stanowią podstawę meteorologii operacyjnej. Symulacje te charakteryzują się sześciogodzinnym opóźnieniem w przesyłaniu danych, co wprowadza błędy do szybko zmieniających się zmiennych, takich jak deszcz i temperatura powierzchni.
WeatherNext 3 podąża inną drogą. Pozyskuje na żywo mozaikę globalnych geostacjonarnych zdjęć satelitarnych, odświeżanych co godzinę, wraz z tradycyjną analizą historyczną, i zasila oba elementy w jedną funkcjonalną sieć generatywną (FGN) — architekturę transformatora siatkowego, która natywnie generuje gęste pola siatkowe, dyskretne ścieżki cyklonów i prognozy na poziomie stacji. Ponieważ każda prognoza godzinowa opiera się na najnowszych obserwacjach satelitarnych, Google twierdzi, że model może śledzić szybko zmieniającą się pogodę ze znacznie większą precyzją, przynosząc jedne z największych zysków w zakresie opadów — prognozy opadów deszczu i śniegu, według których ludzie faktycznie planują swoje dni.
Od komórek siatki po ślady cyklonu
Wyniki FGN są szczególnie zróżnicowane w przypadku jednego modelu. Poza polami siatkowymi emituje dyskretne ślady cyklonów i rzadkie współrzędne na poziomie stacji jako pierwszorzędne przewidywania, a nie dodatki przetwarzane później. Ma to znaczenie dla prognostów monitorujących huragany i tajfuny, gdzie błędy w śledzeniu przekładają się bezpośrednio na decyzje o ewakuacji. Poprzednia generacja Google WeatherNext zwróciła w sierpniu uwagę na przełom w prognozowaniu cyklonów tropikalnych, a nowa architektura rozszerza ten zakres prac.
Gdzie pojawią się prognozy
Google udostępnia WeatherNext 3 w wyszukiwarce, Gemini, Mapach, na platformie Google Maps i w chmurze. Firma podkreśliła również dwa dodatki skierowane do profesjonalnych użytkowników: ostrzejsze prognozowanie opadów i nowe zmienne dotyczące czystej energii, produkty przeznaczone dla sektora energii odnawialnej, w którym operatorzy energii wiatrowej i słonecznej planują w oparciu o godzinne zmiany atmosferyczne.
Przedsiębiorstwa mogą integrować prognozy za pośrednictwem Google Cloud, co sprawia, że WeatherNext 3 jest nie tylko funkcją konsumencką, ale także produktem danych – takim, na którym mogą bezpośrednio bazować firmy rolnicze, firmy logistyczne i operatorzy sieci.
Jak zmierzono deklarowaną dokładność
Twierdzenie Google, że WeatherNext 3 jest jak dotąd najdokładniejszym globalnym modelem pogody, opiera się nie tylko na wewnętrznych testach, ale także na niezależnych ocenach na żywo przeprowadzonych przez Brightband – firmę zajmującą się sztuczną inteligencją pogodową, która stale przeprowadza testy porównawcze systemów prognostycznych. Zapraszanie do oceny przez strony trzecie staje się wzorem dla modeli naukowych Google i stanowi odpowiedź na wieloletnią krytykę dotyczącą tego, że dokumenty pogodowe oparte na sztucznej inteligencji podają wyniki na podstawie wybranych zbiorów historycznych, a nie warunków rzeczywistych.
Dlaczego to ma znaczenie poza aplikacją parasolową
W oświadczeniu Google pogoda jest czynnikiem wpływającym na decyzje na każdą skalę – od chwycenia parasola po radzenie sobie z falami upałów i suszami, które odbijają się na rolnictwie, globalnych łańcuchach dostaw, produkcji czystej energii i gospodarkach krajowych. Według Google w ostatnich latach prognostycy sztucznej inteligencji zasłużyli sobie na to miejsce, generując prognozy szybciej niż tradycyjne metody, a jednocześnie dopasowując się lub przewyższając ich dokładność.
Krajobraz konkurencyjny również się ociepla. W ostatnich latach zarówno agencje meteorologiczne, jak i firmy technologiczne dostarczyły systemy prognozowania oparte na sztucznej inteligencji, a godzinowe prognozy oparte na danych satelitarnych podnoszą poprzeczkę dla nich wszystkich. Pytanie na przyszły rok brzmi: czy krajowe serwisy pogodowe zaczną traktować modele takie jak WeatherNext 3 jako źródła podstawowe, a nie eksperymentalne dodatki i czy kadencja godzinowa Google stanie się nowym punktem odniesienia w branży.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
