Google DeepMind prezentuje WeatherNext 3: Nowa era prognoz pogody z AI i danymi satelitarnymi

Google DeepMind i Google Research zaprezentowały WeatherNext 3, swój najbardziej zaawansowany model sztucznej inteligencji do prognozowania pogody. Nowa wersja, oparta na danych satelitarnych w czasie rzeczywistym, oferuje godzinne aktualizacje, znacznie wyższą rozdzielczość i precyzyjniejsze przewidywania opadów, a także zmienne kluczowe dla sektora czystej energii. Prognozy WeatherNext 3 są już dostępne w usługach Google, takich jak Wyszukiwarka, Mapy, Gemini oraz Google Cloud.

Przełom w dokładności i rozdzielczości

WeatherNext 3 stanowi znaczący krok naprzód w dziedzinie meteorologii, odchodząc od tradycyjnych symulacji fizycznych na rzecz bezpośredniego uczenia się z obserwacji satelitarnych. Dzięki temu model dostarcza prognozy pięciokrotnie ostrzejsze niż poprzednie wersje, co ma kluczowe znaczenie dla rolnictwa, energetyki odnawialnej i codziennego planowania. Niezależne oceny przeprowadzone przez Brightband potwierdzają, że WeatherNext 3 jest najbardziej zaawansowanym i dokładnym globalnym modelem pogodowym do tej pory.

Model generuje godzinne prognozy w wielu rozdzielczościach przestrzennych, zachowując spójność fizyczną od globalnych wzorców wiatru po lokalną topografię. Kluczowe zmienne powierzchniowe, takie jak temperatura i wilgotność, są wizualizowane z rozdzielczością 5 kilometrów, inne zmienne powierzchniowe z 10 kilometrów, a zmienne atmosferyczne, jak prędkość wiatru, z 25 kilometrów. To zapewnia globalny obraz pogody około pięć razy ostrzejszy niż w przypadku poprzedniego modelu, WeatherNext 2, który generował prognozy na siatce 25-kilometrowej w sześciogodzinnych odstępach.

Nowe podejście do danych i szybkości

Największą innowacją WeatherNext 3 jest sposób pozyskiwania danych. Większość modeli AI, w tym WeatherNext 2, była szkolona na danych z numerycznych modeli prognozowania pogody (NWP). Te modele, choć użyteczne, są złożonymi symulacjami fizycznymi napędzanymi superkomputerami, które charakteryzują się sześciogodzinnym opóźnieniem w danych. To opóźnienie mogło prowadzić do błędów w przypadku szybko zmieniających się zmiennych, takich jak opady czy temperatura powierzchni.

WeatherNext 3, poprzez wykorzystanie mozaiki globalnych danych z satelitów geostacjonarnych w czasie rzeczywistym, uzyskuje bogaty, stale aktualizowany obraz atmosfery. Pozwala to na generowanie nowej prognozy co godzinę, opartej na najnowszych dostępnych obserwacjach satelitarnych, z rozdzielczością do 5 kilometrów. Jest to szczególnie ważne, gdy gwałtownie rozwijają się burze, fronty czy systemy opadowe, ponieważ szybki cykl aktualizacji i wyższa rozdzielczość dostarczają wcześniejszych, bardziej szczegółowych informacji.

Model został również przeszkolony bezpośrednio na rzadkich danych obserwacyjnych ze stacji pogodowych, co pozwala na tworzenie globalnych prognoz na siatce 5-kilometrowej, uwzględniających regionalne szczegóły topograficzne. Jest to szczególnie istotne dla regionów Ameryki Łacińskiej, Afryki i Azji-Pacyfiku, które historycznie były niedostatecznie obsługiwane przez prognozy wysokiej rozdzielczości ze względu na ogromne koszty superkomputerów tradycyjnych modeli regionalnych.

Zastosowania w energetyce i precyzja opadów

Poza poprawą rozdzielczości i częstotliwości prognoz, WeatherNext 3 wprowadza przewidywania specjalnie zaprojektowane dla produkcji energii odnawialnej. Model prognozuje prędkości wiatru na wysokości 100 metrów (na wysokości turbin) dla precyzyjnego określenia produkcji energii wiatrowej, a także wysokorozdzielcze dane o zachmurzeniu i poziomie promieniowania słonecznego, aby pomóc farmom słonecznym oszacować ilość światła, jaką otrzymają. Dane te są kluczowe dla globalnego planowania czystej energii, umożliwiając operatorom sieci i deweloperom odnawialnych źródeł energii dokładne przewidywanie produkcji i dopasowywanie jej do zapotrzebowania konsumentów.

Globalne modele pogodowe często mają trudności z dokładnym przewidywaniem opadów. Aby rozwiązać ten problem, WeatherNext 3 jest szkolony na dwóch wyjątkowo wysokiej jakości źródłach danych o opadach: satelitarnym Integrated Multi-satellite Retrievals for GPM (IMERG) NASA oraz własnej globalnej reanalizie opadów Google opartej na radarach satelitarnych. Rezultatem jest znaczący skok w dokładności prognozowania opadów, z poprawą Continuous Ranked Probability Score (CRPS) do 60% w porównaniu z IMERG dla wczesnych czasów wyprzedzenia.

Integracja WeatherNext 3 w ekosystemie Google ma na celu uczynienie zaawansowanych prognoz pogodowych powszechnie dostępnymi i użytecznymi dla szerokiego grona odbiorców – od służb ratunkowych, przez kontrolerów ruchu lotniczego, po rolników. Chociaż atmosfera zawsze będzie w pewnym stopniu nieprzewidywalna, szkolenie modelu na rzeczywistych obserwacjach i omijanie ograniczeń tradycyjnego modelowania przybliża nas do przyszłości, w której prognozy znacznie lepiej odzwierciedlają to, co dzieje się na ziemi. To otwiera nowe możliwości dla lepszego zarządzania ryzykiem, efektywniejszego planowania i zwiększenia bezpieczeństwa w obliczu zmiennych warunków pogodowych.

Źródło: deepmind.google