Google Research і Google DeepMind випустили WeatherNext 3, найновішу версію системи прогнозування погоди компанії зі штучним інтелектом і, за словами Google, її найточнішу глобальну модель прогнозу. Оголошена 3 вересня система почне передавати інформацію про погоду в Пошук, Google Maps і Gemini, і вона доступна для компаній і дослідників через хмарні платформи Google.

На відміну від державних суперкомп’ютерів, які створювали більшість світових прогнозів протягом десятиліть, WeatherNext 3 є моделлю глибокого навчання: вона вивчає закономірності безпосередньо зі спостережень, а не крок за кроком розв’язуючи рівняння фізики атмосфери. Google також каже, що це перша модель штучного інтелекту, яка включає необроблені супутникові спостереження безпосередньо в глобальний прогноз із високою роздільною здатністю — це твердження заперечує принаймні один конкурент. Ось що змінилося і чому прогнозисти далеко за межами Google уважно стежать за останніми розробками ШІ у цій галузі.

Як штучний інтелект зламав форму прогнозування погоди

Традиційні прогнози надходять від національних агентств, таких як Національна метеорологічна служба США та Європейський центр середньострокових прогнозів погоди (ECMWF), суперкомп’ютери яких обробляють математичні рівняння, що описують фізику атмосфери. Ці системи надзвичайно точні, але дорогі та порівняно повільні.

Альтернатива глибокого навчання набула популярності після того, як у 2018 році ECMWF оприлюднив архівні дані про погоду за понад півстоліття, що дало дослідникам саме те, на якому процвітають тренувальні нейронні мережі. «Погода хаотична, тому невеликі відмінності справді починають серйозно заважати», — сказав TechCrunch Ферран Алет, науковий менеджер DeepMind. «Машинне навчання націлено на проблему, яку ми справді вирішуємо, тобто наближену шумну фізику з неповної інформації та кінцевих обчислень, тому воно вивчає шаблони з великої кількості даних».

Гостріше, швидше і набагато частіше

WeatherNext 3 — це більша модель, ніж її попередник — у 2,4 рази більше параметрів — і тепер вона очолює Operational WeatherBench Brightband, незалежний тест, який порівнює системи прогнозування AI щодо температури, швидкості вітру та вологості. Згідно з TechCrunch, він перевершує конкуруючі моделі глибокого навчання від Google, Microsoft, Nvidia та ECMWF, а також перевершує традиційні числові прогнози, створені Національною службою погоди США та самим ECMWF.

Практичні переваги значні:

  • Роздільна здатність до 5 км для ключових змінних, де більшість моделей AI прогнозує зони від 15 до 25 км. Декодер повідомляє, що модель у п’ять разів детальніша за WeatherNext 2.
  • Прогноз дощу покращився на 60 відсотків порівняно з WeatherNext 2 за оцінками Google, а 9to5Google наводить на 50 відсотків точніші прогнози опадів для власних продуктів Google.
  • Погодинний прогноз замість стандартної шестигодинної частоти, тому що модель може отримувати супутникові спостереження, зібрані в режимі реального часу щогодини.
  • Націлювання на рівні станції, тобто модель передбачає, що вимірюватимуть конкретні метеостанції, а не лише квадрати сітки.

«Ідея з великою кількістю додатків штучного інтелекту полягає в тому, щоб намагатися виконувати завдання максимально наскрізно», — сказав TechCrunch Даніель Ротенберг, дослідник атмосфери з Brightband. «Додавання можливості, за допомогою якої ця модель тепер також прогнозує, скажімо, те, що метеостанція аеропорту Денвера збирається вимірювати щогодини, просто підключає це завдання прогнозування ближче до ядра».

Суперечка щодо необроблених супутникових даних

Претензії Google на першість базуються на системі даних так само, як і на архітектурі моделі. Більшість синоптиків штучного інтелекту досі навчаються та ініціалізуються на відформатованих наборах аналітичних даних, створених урядовими погодними агентствами. WeatherNext 3 отримує необроблені супутникові спостереження безпосередньо, щогодини — ближче, як стверджує Google, до справжньої асиміляції даних.

Погодний стартап WindBorne зі штучним інтелектом заперечує, що його власна модель WeatherMesh 6 включає необроблені спостереження з метеорологічного парку повітряних куль та інших джерел з кінця 2025 року. Відповідаючи на запитання про суперечку, Google вказав на глобальне вирішення своїх прогнозів. Обидві компанії, як зазначає TechCrunch, все ще спираються на національні набори даних для частин конвеєра, тому повна пряма асиміляція залишається в процесі роботи для всієї галузі.

Де це побачать користувачі

«Це буде перший випадок, коли деякі з основних змінних живлять і живлять багато продуктів Google», — сказав TechCrunch Самієр Мерчант, старший інженер Google. Інформація про погоду в Пошуку, Картах Google і Gemini буде спиратися на дані WeatherNext 3, показуючи прогнози, створені штучним інтелектом, перед мільярдами користувачів, багато з яких ніколи не дізнаються про модель, що стоїть за ними.

Чому це важливо за межами програми

Економіка - це більша історія. Прогнози штучного інтелекту є швидкими та дешевими у створенні порівняно з суперкомп’ютерними ансамблями, що робить придатні прогнози доступними для регіонів, які ніколи не могли собі це дозволити. The Decoder повідомляє, що частини Африки, Латинської Америки та Азіатсько-Тихоокеанського регіону, де немає точних прогнозів, мають отримати найбільший прибуток. Білл Гейтс назвав прогнозування погоди штучним інтелектом конкретною перевагою для розвитку, оскільки кращі прогнози покращують урожайність сільськогосподарських культур у країнах, що розвиваються, а Алет зазначає, що прогнози вітру, дощу та хмар із високою роздільною здатністю можуть зробити проекти відновлюваної енергетики більш надійними.

Метеорологічні агентства Європи та США вже використовують моделі ШІ у своїх оперативних продуктах. Завдяки WeatherNext 3 трансформаторна революція, яка змінила мову, тихо стала двигуном повсякденної погоди.

Будьте попереду ШІ

Дослідження ШІ просуваються швидко. Отримуйте останні розробки ШІ в одному місці.

Читати більше новин AI →