Google DeepMind и Google Research представили WeatherNext 3 — новую модель ИИ для прогноза погоды. По данным компании, она точнее отслеживает изменения в атмосфере и чаще обновляет прогнозы, а её результаты начнут использоваться в поиске Google, Google Maps и Gemini. Модель также будет доступна пользователям и исследователям через облачные платформы Google.
«Это будет первый случай, когда часть ключевых переменных начнёт напрямую использоваться во многих продуктах Google», — сказал TechCrunch старший инженер Google Сэмиер Мерчант.
По информации TechCrunch, модель уже показала лучшую точность в тестах на Operational WeatherBench — инструменте для сравнения ИИ-прогнозов, который создал стартап Brightband. Платформа оценивает, в частности, температуру, скорость ветра и влажность.
Как утверждает Google, WeatherNext 3 обошла другие модели глубокого обучения от Google, Microsoft, Nvidia и Европейского центра среднесрочных прогнозов погоды, а также традиционные прогнозные системы Национальной метеослужбы США и ECMWF.
Большинство погодных прогнозов строятся на расчётах государственных суперкомпьютеров, которые обрабатывают математические уравнения для описания физических процессов в атмосфере. Такие системы точны, но они дороги и работают медленнее, чем ИИ-модели. После того как ECMWF в 2018 году открыл более чем полувековой массив погодных данных, исследователи начали обучать модели, способные делать прогнозы заметно быстрее и с сопоставимой точностью.
«Погода хаотична, и даже небольшие отличия со временем сильно влияют на результат. Машинное обучение решает задачу приближённого описания шумной физики при неполной информации и ограниченных вычислениях, поэтому модель учится находить закономерности в больших массивах данных», — сказал руководитель исследовательской группы DeepMind Ферран Алет.
Ранее у ИИ-моделей для прогноза погоды были три слабых места:
- слишком крупная зона прогноза — обычно от 15 до 25 кв. км;
- слабее результаты по осадкам;
- зависимость от подготовленных наборов данных, которые выпускают государственные службы.
По словам исследователей, WeatherNext 3 решает все три задачи. Для ключевых переменных модель даёт разрешение до 5 км, качество прогнозов осадков улучшилось на 60% по сравнению с WeatherNext 2, а обновления теперь можно строить каждый час вместо стандартного шестичасового интервала.
Эти изменения связаны с архитектурой модели. WeatherNext 3 получила в 2,4 раза больше параметров, чем предыдущая версия, а её выходные блоки настроили так, чтобы они выдавали более полезные результаты. Если обычные погодные системы публикуют усреднённые показатели по трёхмерной сетке, то исследователи DeepMind раньше уже получали хорошие отзывы за настройку модели для визуализации траекторий циклонов.
В новой версии модель также обучили строить прогнозы для конкретных метеостанций. Это нужно и для более детальных предсказаний, и для проверки результатов по фактическим данным на земле.
«Идея многих ИИ-систем в том, чтобы выполнять задачу максимально целиком. Если модель теперь может предсказывать, что именно покажет погодная станция, скажем, в аэропорту Денвера каждый час, это делает прогноз ближе к самой задаче», — сказал атмосферный учёный Brightband Дэниел Ротенберг.
Более частые прогнозы стали возможны потому, что модель умеет принимать спутниковые погодные данные в реальном времени с почасовым обновлением. Использование сырых наблюдений вместо уже обработанных данных с суперкомпьютеров потенциально повышает точность, но работа с неразмеченными и неструктурированными данными остаётся технически трудной.
Google называет WeatherNext 3 «первой» ИИ-моделью, которая напрямую использует сырые наблюдения для глобального прогноза высокого разрешения. Однако стартап WindBorne заявил, что его модель WeatherMesh 6 применяет такие данные — в том числе с парка погодных аэростатов — с конца 2025 года. В ответ Google указала, что её прогнозы дают более высокое разрешение по всей планете. При этом обе системы всё ещё опираются на национальные погодные наборы данных, поэтому для полноценного прямого усвоения данных потребуется дополнительная работа.
TechCrunch отмечает, что, хотя основное внимание сейчас приковано к большим языковым моделям, трансформер-подход в метеорологии оказался не менее важным. Европейские и американские погодные службы уже используют ИИ в своих прогнозных продуктах, а высокая скорость и более низкая стоимость таких систем могут расширить доступ к качественным прогнозам в регионах, где не хватает дорогих сенсоров и суперкомпьютеров.
Билл Гейтс недавно назвал прогнозирование погоды с помощью ИИ одним из важных преимуществ технологии, отметив, что более точные прогнозы помогают повышать урожайность в развивающихся странах. Ферран Алет добавил, что более детальные прогнозы ветра, дождя и облачности могут быть полезны для проектов в сфере возобновляемой энергетики.
«В конечном счёте Google стремится давать пользователю полезную информацию, а многое из того, что люди ищут, так или иначе связано с погодой», — сказал Алет.
Источник: TechCrunch.
