Google Research i Google DeepMind udostępniły WeatherNext 3, najnowszą wersję firmowego systemu prognoz pogody opartego na sztucznej inteligencji i, według Google, jego najdokładniejszy jak dotąd globalny model prognozy. System, ogłoszony 3 września, zacznie dostarczać informacje o pogodzie do wyszukiwarki, Map Google i Gemini i będzie dostępny dla firm i badaczy za pośrednictwem platform chmurowych Google.

W przeciwieństwie do rządowych superkomputerów, które od dziesięcioleci opracowują większość światowych prognoz, WeatherNext 3 to model głębokiego uczenia się: uczy się wzorców bezpośrednio z obserwacji, a nie krok po kroku rozwiązując równania fizyki atmosfery. Google twierdzi również, że jest to pierwszy model sztucznej inteligencji, który uwzględnia surowe obserwacje satelitarne bezpośrednio w globalnej prognozie o wysokiej rozdzielczości – co kwestionuje co najmniej jeden konkurent. Oto, co się zmieniło i dlaczego prognostycy spoza Google uważnie obserwują najnowsze osiągnięcia w zakresie sztucznej inteligencji w tej dziedzinie.

Jak sztuczna inteligencja złamała schemat prognozowania pogody

Tradycyjne prognozy pochodzą od agencji krajowych, takich jak amerykańska Krajowa Służba Meteorologiczna i Europejskie Centrum Prognoz Średnioterminowych (ECMWF), których superkomputery przetwarzają równania matematyczne opisujące fizykę atmosfery. Systemy te są niezwykle dokładne, ale drogie i stosunkowo powolne.

Alternatywa dla głębokiego uczenia się pojawiła się po opublikowaniu przez ECMWF w 2018 r. ponad pół wieku zarchiwizowanych danych pogodowych, zapewniając naukowcom dokładnie taki rodzaj uczenia, na którym najlepiej sprawdzają się sieci neuronowe korpusowe. „Pogoda jest chaotyczna, więc niewielkie różnice naprawdę zaczynają ogromnie przeszkadzać” – powiedział TechCrunch Ferran Alet, kierownik ds. badań w DeepMind. „Uczenie maszynowe koncentruje się na problemie, który tak naprawdę rozwiązujemy, czyli na przybliżeniu zaszumionej fizyki na podstawie niekompletnych informacji i skończonych obliczeń, dlatego uczy się wzorców na podstawie dużej ilości danych”.

Ostrzej, szybciej i znacznie częściej

WeatherNext 3 to większy model od swojego poprzednika — ma 2,4 razy więcej parametrów — i obecnie znajduje się na szczycie Operacyjnego WeatherBench firmy Brightband, niezależnego testu porównawczego porównującego systemy prognoz AI dotyczące temperatury, prędkości wiatru i wilgotności. Według TechCrunch przewyższa konkurencyjne modele głębokiego uczenia się firm Google, Microsoft, Nvidia i ECMWF, a także pobija tradycyjne prognozy numeryczne opracowane przez US National Weather Service i same ECMWF.

Praktyczne korzyści są znaczne:

  • Rozdzielczość do 5 km dla kluczowych zmiennych, gdzie większość modeli AI prognozuje na obszarach od 15 do 25 km. Dekoder podaje, że model jest pięć razy bardziej szczegółowy niż WeatherNext 2.
  • Prognozy opadów lepsze o 60 procent w porównaniu z WeatherNext 2 według ocen Google, a 9to5Google podaje o 50 procent dokładniejsze prognozy opadów dla własnych produktów Google.
  • Prognozy godzinowe zamiast standardowej kadencji sześciogodzinnej, ponieważ model może uwzględniać obserwacje satelitarne zbierane w czasie rzeczywistym co godzinę.
  • Kierowanie na poziomie stacji, co oznacza, że ​​model przewiduje, jakie konkretne stacje pogodowe – a nie tylko kwadraty siatki – będą mierzyć.

„W przypadku wielu zastosowań sztucznej inteligencji pomysł polega na tym, aby wykonywać zadania tak kompleksowo, jak to możliwe” – powiedział TechCrunch Daniel Rothenberg, naukowiec zajmujący się atmosferą w Brightband. „Dodanie możliwości, w której model ten przewiduje teraz także, powiedzmy, co stacja pogodowa na lotnisku w Denver będzie mierzyć co godzinę, po prostu łączy to zadanie prognozowania bliżej sedna”.

Spór o surowe dane satelitarne

Roszczenie Google do pierwszeństwa opiera się w równym stopniu na hydraulice danych, jak i na architekturze modelu. Większość prognostów AI nadal szkoli się i inicjuje na podstawie sformatowanych zbiorów danych analitycznych opracowanych przez rządowe agencje pogodowe. WeatherNext 3 bezpośrednio, co godzinę, pobiera surowe obserwacje satelitarne – co według Google jest bliższe prawdziwej asymilacji danych.

WindBorne, start-up pogodowy AI, twierdzi, że od końca 2025 roku jego własny model WeatherMesh 6 uwzględnia surowe obserwacje z floty balonów pogodowych i innych źródeł. Zapytany o spór, Google wskazał na globalną rozdzielczość swoich prognoz. TechCrunch zauważa, że ​​obie firmy w dalszym ciągu opierają się na krajowych zbiorach danych dotyczących części rurociągu, zatem w przypadku całej dziedziny wciąż trwają prace nad pełną bezpośrednią asymilacją.

Gdzie użytkownicy to zobaczą

„To będzie pierwszy raz, kiedy niektóre podstawowe zmienne zasilają i zasilają wiele produktów Google” – powiedział TechCrunch Samier Merchant, starszy inżynier w Google. Informacje o pogodzie w wyszukiwarkach, Mapach Google i Gemini będą korzystać z danych WeatherNext 3, przedstawiając prognozy wygenerowane przez sztuczną inteligencję miliardom użytkowników – z których wielu nigdy nie pozna stojącego za nimi modelu.

Dlaczego to ma znaczenie poza aplikacją

Ekonomia to większa historia. Prognozy oparte na sztucznej inteligencji są szybkie i tanie w przygotowaniu w porównaniu z zestawami superkomputerów, co sprawia, że ​​użyteczne prognozowanie staje się dostępne dla regionów, które nigdy nie były na to stać. The Decoder podaje, że największe zyski powinny odnotować te części Afryki, Ameryki Łacińskiej i regionu Azji i Pacyfiku, w których brakuje dokładnych prognoz. Bill Gates wymienił prognozowanie pogody oparte na sztucznej inteligencji jako konkretną korzyść w zakresie rozwoju, przy czym lepsze prognozy poprawiają plony w krajach rozwijających się, natomiast Alet zauważa, że ​​prognozy wiatru, deszczu i chmur o wyższej rozdzielczości mogą zwiększyć niezawodność projektów dotyczących energii odnawialnej.

Agencje meteorologiczne w Europie i USA już włączają modele sztucznej inteligencji do swoich produktów operacyjnych. Dzięki WeatherNext 3 rewolucja transformatorowa, która zmieniła język, po cichu stała się motorem codziennej pogody.

Wyprzedź sztuczną inteligencję

Badania nad sztuczną inteligencją postępują szybko. Zdobądź najnowsze osiągnięcia AI w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →