谷歌 DeepMind 和谷歌研究院于周四推出了 WeatherNext 3，将其描述为该公司迄今为止构建的最先进、最准确的全球天气人工智能模型。新系统每小时（而不是每六个）生成一次新的预报，并解析关键的表面变量，例如 5 公里网格内的温度和湿度 - 谷歌称该图像比其前身 WeatherNext 2 清晰大约五倍。
与大多数发布的型号不同，这款产品已经融入了数十亿人使用的产品中。据谷歌称，WeatherNext 3 现在为搜索、Gemini、地图、谷歌地图平台和谷歌云提供天气结果。对于最新的人工智能新闻和研究的追随者来说，天气预报已经悄然成为机器学习在商业上最成功的前沿领域之一——在这个领域，人工智能系统不再是研究演示，而是日常答案背后的默认引擎。
分辨率提升五倍
预测的有用性通常取决于细节：模型解析空间和时间的精细程度。 WeatherNext 3 以多种空间分辨率生成每小时预报。地表温度和湿度在 5 公里处渲染，其他表面变量在 10 公里处渲染，风速等大气变量在 25 公里处渲染。
相比之下，WeatherNext 2 以 6 小时为增量在 25 公里网格上生成预报。在与公告同时发布的比较中，新模型对英国 2 米的温度预测解决了复杂的当地地形问题，避免了旧网格产生的像素化、过度平滑的热表示。
从实时卫星中学习，而不仅仅是模拟
更深层次的变化是模型从中学习的内容。大多数人工智能天气模型，包括 WeatherNext 2，都是根据数值天气预报 (NWP) 的输出进行训练的，数值天气预报 (NWP) 是超级计算机驱动的物理模拟，数十年来一直是业务气象学的基础。这些模拟存在六个小时的数据滞后，这给降雨和地表温度等快速变化的变量带来了偏差。
WeatherNext 3 采取了不同的路线。它摄取每小时刷新一次的实时镶嵌的全球对地静止卫星图像以及传统的历史分析，并将两者输入到单个功能生成网络（FGN）中，这是一种网状变压器架构，可本地输出密集的网格场、离散的气旋轨迹和站级预测。谷歌表示，由于每小时的天气预报都是基于最新的卫星观测结果，因此该模型可以以更高的精度跟踪快速变化的天气，其中降水量增幅最大，即人们实际计划的雨雪预报。
从网格单元到旋风轨道
对于单一模型，FGN 的输出明显不同。除了网格场之外，它还发出离散的气旋轨迹和稀疏的站级坐标作为一流的预测，而不是后处理的附加组件。这对于监测飓风和台风的预报员来说很重要，因为跟踪误差会直接转化为疏散决策。谷歌的上一代 WeatherNext 在 8 月份因其在热带气旋预报方面的突破而引起了人们的关注，而新的架构扩展了这一工作范围。
预测出现的位置
Google 正在跨搜索、Gemini、地图、Google 地图平台和云推出 WeatherNext 3。该公司还强调了针对专业用户的两项新增内容：更准确的降水预报和新的清洁能源变量，这些输出是为可再生能源领域设计的，其中风能和太阳能运营商围绕每小时的大气变化进行规划。
企业可以通过 Google Cloud 整合预测，这使得 WeatherNext 3 不仅成为一项消费者功能，而且成为一种数据产品——农业公司、物流公司和电网运营商可以直接构建该产品。
如何衡量准确性声明
谷歌声称 WeatherNext 3 是迄今为止最准确的全球天气模型，这不仅基于内部测试，还基于 Brightband 进行的独立实时评估。Brightband 是一家天气人工智能公司，运行预报系统的连续基准测试。邀请第三方评估正在成为谷歌科学模型的一种模式，它解决了长期以来的批评，即人工智能天气论文报告的结果是精心策划的历史数据集而不是实时条件。
为什么这比伞式应用程序更重要
谷歌的声明将天气视为各个层面决策的一个输入——从撑伞到管理波及农业、全球供应链、清洁能源生产和国民经济的热浪和干旱。谷歌表示，近年来，人工智能预测器通过比传统方法更快地生成预测，同时匹配或超越其准确性，在这一领域赢得了一席之地。
竞争格局也在升温。近年来，气象机构和科技公司都推出了人工智能预报系统，每小时的卫星地面预报提高了所有这些系统的标准。明年的问题是，国家气象服务是否开始将 WeatherNext 3 等模型视为主要来源而不是实验性补充，以及谷歌的每小时节奏是否成为该行业的新基准。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
