Google DeepMind і Google Research запустили WeatherNext 3 у четвер, описуючи його як найдосконалішу та найточнішу глобальну модель штучного інтелекту погоди, яку коли-небудь створювала компанія. Нова система створює новий прогноз щогодини замість кожні шість і розраховує ключові поверхневі змінні, такі як температура та вологість, на 5-кілометровій сітці — зображення, за словами Google, приблизно в п’ять разів чіткіше, ніж його попередник, WeatherNext 2.
На відміну від більшості випусків моделей, ця вже вплетена в продукти, якими користуються мільярди людей. За словами Google, WeatherNext 3 тепер підтримує результати погоди в Пошуку, Gemini, Картах, платформі Google Maps і Google Cloud. Для прихильників останніх [новин і досліджень штучного інтелекту] (https://aibuzzwire.news) прогноз погоди непомітно став одним із комерційно найуспішніших напрямів машинного навчання — сферою, де системи штучного інтелекту більше не є дослідницькими демонстраціями, а механізмом за замовчуванням, що створює щоденні відповіді.
П'ятикратне збільшення роздільної здатності
Корисність прогнозу часто зводиться до деталей: наскільки точно модель визначає простір і час. WeatherNext 3 створює погодинні прогнози з різними просторовими роздільними здатностями. Температура поверхні та вологість відображаються на відстані 5 кілометрів, інші змінні поверхні – на відстані 10 кілометрів, а атмосферні змінні, такі як швидкість вітру, – на відстані 25 кілометрів.
Для порівняння WeatherNext 2 створював прогнози на 25-кілометровій сітці з кроком у 6 годин. У порівнянні, опублікованому разом із оголошенням, 2-метровий прогноз температури нової моделі над Сполученим Королівством вирішив складну місцеву топографію, уникаючи піксельних, надмірно згладжених теплових зображень, які створювала стара сітка.
Навчання на живих супутниках, а не лише на моделях
Глибша зміна – це те, на чому модель вчиться. Більшість моделей погоди зі штучним інтелектом, включно з WeatherNext 2, навчаються на основі результатів числового прогнозу погоди (NWP) — фізичного моделювання, керованого суперкомп’ютером, яке протягом десятиліть є основою оперативної метеорології. Ці симуляції містять шестигодинну затримку даних, що вносить похибки у швидкозмінні змінні, такі як дощ і температура поверхні.
WeatherNext 3 має інший маршрут. Він поглинає живу мозаїку глобальних геостаціонарних супутникових зображень, які оновлюються щогодини, разом із традиційним історичним аналізом, і подає обидва в єдину функціональну генеративну мережу (FGN) — архітектуру сітчастого трансформатора, яка виводить поля з щільною сіткою, дискретні треки циклонів і прогнози на рівні станції. Оскільки кожен погодинний прогноз ґрунтується на останніх супутникових спостереженнях, Google каже, що модель може відстежувати швидко мінливу погоду з набагато більшою точністю, з одним із найбільших приростів кількості опадів — прогнозів дощу та снігу, за якими люди насправді планують свої дні.
Від комірок сітки до циклонів
Виходи FGN помітно різноманітні для однієї моделі. Окрім полів із сіткою, він видає дискретні треки циклонів і розріджені координати на рівні станції як першокласні прогнози, а не додатки з постобробкою. Це важливо для синоптиків, які спостерігають за ураганами та тайфунами, коли помилки відстеження безпосередньо перетворюються на рішення щодо евакуації. Попереднє покоління Google WeatherNext привернуло увагу в серпні проривом у прогнозуванні тропічних циклонів, і нова архітектура розширює цю лінію роботи.
Де відображатимуться прогнози
Google запускає WeatherNext 3 у Пошуку, Gemini, Картах, платформі Google Maps і Cloud. Компанія також висвітлила два доповнення, призначені для професійних користувачів: більш точне прогнозування опадів і нові змінні чистої енергії, вихідні дані, призначені для сектору відновлюваної енергії, де вітрові та сонячні оператори планують погодинні зміни атмосфери.
Підприємства можуть інтегрувати прогнози через Google Cloud, що позиціонує WeatherNext 3 не лише як споживчу функцію, але й як продукт даних — продукт, який сільськогосподарські фірми, логістичні компанії та оператори мереж можуть використовувати безпосередньо.
Як було виміряно твердження про точність
Твердження Google про те, що WeatherNext 3 є найточнішою глобальною моделлю погоди на сьогоднішній день, ґрунтується не лише на внутрішньому тестуванні, але й на незалежних реальних оцінках, проведених Brightband, компанією, що займається штучним інтелектом погоди, яка проводить постійні тести систем прогнозування. Запрошення до оцінювання третьої сторони стає шаблоном для наукових моделей Google, і це усуває давню критику про те, що газети про погоду зі штучним інтелектом повідомляють про результати на кураторських історичних наборах, а не на реальних умовах.
Чому це важливо за межі парасолькової програми
В оголошенні Google погода розглядається як вхідна інформація для прийняття рішень у будь-якому масштабі — від захоплення парасольки до керування хвилями спеки та посухами, які впливають на сільське господарство, глобальні ланцюжки поставок, виробництво чистої енергії та національні економіки. Згідно з даними Google, за останні роки прогнози зі штучним інтелектом заслужили своє місце в цій системі, генеруючи прогнози швидше, ніж традиційні методи, порівнюючи або перевищуючи їх точність.
Конкурентний ландшафт також нагрівається. За останні роки як метеорологічні агентства, так і технологічні компанії поставили системи прогнозування штучного інтелекту, і погодинні супутникові прогнози піднімають планку для всіх них. Питання на наступний рік полягає в тому, чи національні метеослужби почнуть розглядати такі моделі, як WeatherNext 3, як першоджерела, а не як експериментальні добавки, і чи стане погодинна каденція Google новою базовою лінією галузі.
---
Будьте попереду ШІОтримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
