Google DeepMind prezentuje WeatherNext 3 – nowy model AI do prognozowania pogody

Naukowcy z Google DeepMind i Google Research ogłosili wprowadzenie nowego modelu sztucznej inteligencji do prognozowania pogody, nazwanego WeatherNext 3. Model ten ma na celu dokładniejsze przewidywanie zachowań atmosfery i częstsze aktualizowanie prognoz. Google planuje zintegrować WeatherNext 3 z popularnymi usługami, takimi jak wyszukiwarka Google, Google Maps oraz Gemini, a także udostępnić go użytkownikom i badaczom za pośrednictwem swoich platform chmurowych.

Samier Merchant, starszy inżynier w Google, podkreślił, że po raz pierwszy kluczowe zmienne zasilą tak wiele produktów Google, co świadczy o znaczeniu tej innowacji dla firmy.

Przełom w dokładności i rozdzielczości

WeatherNext 3 już teraz udowodnił swoją wyższość, stając się najdokładniejszym modelem spośród czołowych rozwiązań testowanych na platformie Operational WeatherBench, stworzonej przez startup Brightband. Platforma ta służy do porównywania prognoz AI, oceniając takie metryki jak temperatura, prędkość wiatru i wilgotność. Model Google przewyższył nie tylko inne modele głębokiego uczenia od Google, Microsoftu, Nvidii i Europejskiego Centrum Średnioterminowych Prognoz Pogody (ECMWF), ale także tradycyjne prognozy amerykańskiej Krajowej Służby Pogodowej i ECMWF.

Tradycyjne prognozy opierają się na kosztownych i czasochłonnych obliczeniach superkomputerów rządowych, które przetwarzają złożone równania fizyczne. Od 2018 roku, kiedy ECMWF udostępniło ponad pół wieku danych pogodowych, badacze głębokiego uczenia zaczęli szkolić modele, które potrafią generować prognozy znacznie szybciej i z porównywalną dokładnością.

Ferran Alet, menedżer naukowy w DeepMind, zauważył, że pogoda jest chaotyczna, a małe różnice mogą prowadzić do ogromnych perturbacji. Modele uczenia maszynowego doskonale radzą sobie z tym problemem, ucząc się wzorców z ogromnych zbiorów danych, nawet przy niekompletnych informacjach i ograniczonych zasobach obliczeniowych.

Innowacje WeatherNext 3

Poprzednie modele AI miały pewne ograniczenia, takie jak prognozowanie na zbyt szerokim obszarze (15-25 km kwadratowych), mniejsza dokładność w przewidywaniu opadów oraz zależność od sformatowanych danych agencji rządowych. WeatherNext 3 adresuje te wyzwania:

• Rozdzielczość: Może prognozować z rozdzielczością do 5 km dla kluczowych zmiennych.
• Opady: Ocena prognoz opadów deszczu jest o 60% lepsza niż w przypadku poprzednika, WeatherNext 2.
• Częstotliwość: Zamiast standardowych prognoz co sześć godzin, model może generować prognozy godzinowe.

Te ulepszenia są wynikiem konkretnych decyzji projektowych. WeatherNext 3 to większy model, posiadający 2,4 raza więcej parametrów niż jego poprzednik. Badacze z DeepMind, którzy wcześniej zyskali uznanie za wizualizację ścieżek cyklonów, tym razem dostosowali model tak, aby jego prognozy były ukierunkowane na konkretne stacje meteorologiczne. Daniel Rothenberg, naukowiec atmosferyczny z Brightband, podkreśla, że takie podejście pozwala na bardziej szczegółowe prognozy i umożliwia weryfikację wyników z rzeczywistymi danymi naziemnymi.

Model jest w stanie częściej prognozować dzięki możliwości pobierania danych satelitarnych w czasie rzeczywistym, co godzinę. Zasilanie modeli AI surowymi obserwacjami empirycznymi, zamiast analizami superkomputerów, obiecuje dokładniejsze prognozy, choć praca z niesformatowanymi danymi nadal stanowi wyzwanie techniczne.

Google twierdzi, że WeatherNext 3 to pierwszy model AI, który bezpośrednio integruje surowe obserwacje dla globalnej prognozy wysokiej rozdzielczości. Firma WindBorne, zajmująca się prognozowaniem pogody AI, twierdzi jednak, że jej model, WeatherMesh 6, wykorzystuje surowe obserwacje z balonów pogodowych i innych źródeł już od końca 2025 roku. Google odpowiada, że ich prognozy charakteryzują się wyższą rozdzielczością w skali globalnej. Niezależnie od tego, oba modele nadal polegają na krajowych zbiorach danych pogodowych, co oznacza, że pełna asymilacja danych bezpośrednich wymaga dalszych prac.

Szersze konsekwencje dla społeczeństwa

Rewolucja transformatorów w meteorologii, choć mniej nagłośniona niż rozwój dużych modeli językowych (LLM), ma równie istotne znaczenie. Europejskie i amerykańskie agencje pogodowe już wykorzystują modele AI w swoich produktach prognostycznych. Ich szybkość i niski koszt mogą przynieść znaczące korzyści ekonomiczne uboższym regionom, gdzie wysokie koszty czujników i superkomputerów uniemożliwiały dotąd dostęp do dokładnych prognoz. Bill Gates wskazał prognozowanie pogody oparte na AI jako kluczową korzyść technologii, która może poprawić plony w krajach rozwijających się. Ferran Alet z DeepMind dodaje, że prognozy wysokiej rozdzielczości dotyczące wiatru, deszczu i zachmurzenia będą również przydatne dla zwiększenia niezawodności projektów energii odnawialnej. Ostatecznie, jak podsumowuje Alet, Google dąży do dostarczania użytkownikom użytecznych informacji, a pogoda jest często kluczowym elementem ich codziennych potrzeb.

Źródło: techcrunch.com