Scientists из Google DeepMind и Google Research представили WeatherNext 3 — новую модель ИИ для прогноза погоды, которая, по словам компании, точнее отслеживает изменения в атмосфере и чаще обновляет предсказания.
Google планирует использовать WeatherNext 3 в погодной информации в Search, Google Maps и Gemini. Модель также станет доступна пользователям и исследователям на облачных платформах компании.
«Это будет первый раз, когда некоторые ключевые переменные будут питать и поддерживать многие продукты Google», — сказал старший инженер Google Самиер Мерчант в разговоре с TechCrunch.
По данным TechCrunch, новая модель уже показала лучший результат среди ведущих участников теста Operational WeatherBench, который разработала стартап-компания Brightband для сравнения прогнозов ИИ. В тесте учитывались температура, скорость ветра и влажность.
WeatherNext 3 также обошла другие модели на базе глубокого обучения от Google, Microsoft, Nvidia и Европейского центра среднесрочных прогнозов погоды. Кроме того, она превзошла традиционные прогнозы Национальной метеослужбы США и ECMWF.
Большинство прогнозов строятся на данных государственных суперкомпьютеров, которые решают уравнения, описывающие физику погоды. Такие системы точны, но дороги и работают медленно. После того как ECMWF в 2018 году опубликовал более полувека погодных данных, созданных такими системами, исследователи начали обучать модели, способные делать прогнозы быстрее и с сопоставимой точностью.
«Погода хаотична, и небольшие различия начинают сильно усиливаться. Машинное обучение решает именно ту задачу, которую мы пытаемся решить: приблизительную и шумную физику при неполной информации и ограниченных вычислениях. Поэтому оно учится на большом объёме данных», — сказал Ферран Алет, менеджер научных исследований в DeepMind.
Разработчики ИИ-моделей для прогноза погоды давно пытаются решить несколько слабых мест таких систем. Они часто работают на слишком крупной сетке — от 15 до 25 кв. км, хуже справляются с осадками и по-прежнему зависят от обработанных наборов данных, которые готовят государственные службы.
WeatherNext 3 закрывает все три направления. Исследователи рассказали TechCrunch, что по ключевым переменным модель умеет работать с разрешением до 5 км. Точность по дождю, по их данным, стала на 60% выше, чем у WeatherNext 2. Кроме того, модель теперь строит почасовые прогнозы вместо стандартного интервала в шесть часов.
Эти улучшения связаны с рядом решений в архитектуре. WeatherNext 3 крупнее предшественницы: у неё в 2,4 раза больше параметров, а цели для декодерных головок настроены так, чтобы выдавать более полезные ответы. Обычно прогнозы погоды выводятся как средние показатели по трёхмерной сетке, но в DeepMind уже получали похвалу за настройку модели, которая умеет также визуализировать траектории циклонов.
На этот раз разработчики обучили модель под конкретные метеостанции. Это важно для более детальных прогнозов и для проверки работы модели по точным данным.
«Идея многих ИИ-приложений — выполнять задачи максимально сквозным способом, — сказал атмосферный учёный Brightband Дэниел Ротенберг. — Добавление возможности, при которой модель теперь ещё и предсказывает, например, что покажет почасово метеостанция в аэропорту Денвера, ещё ближе связывает задачу прогноза с ядром системы».
Модель может делать прогнозы чаще, потому что умеет принимать данные спутников о погоде, которые поступают в реальном времени каждый час. Использование сырых наблюдений вместо анализа, подготовленного суперкомпьютерами, обещает более точный прогноз, но работать с неструктурированными данными для ИИ всё ещё технически непросто.
Google говорит, что WeatherNext 3 — первая ИИ-модель, которая напрямую использует сырые наблюдения для высокоточного глобального прогноза. При этом стартап WindBorne утверждает, что его модель WeatherMesh 6 с конца 2025 года использует сырые данные с парка метеозондов и других источников. В Google на это ответили, что их прогнозы обладают более высоким разрешением по всему земному шару. При этом обе системы всё ещё опираются на национальные метеоданные, а для полноценной прямой обработки данных потребуется ещё работа.
Хотя внимание чаще привлекают LLM, переход на трансформеры в метеорологии оказался не менее важным. Европейские и американские метеослужбы уже используют ИИ-модели в своих прогнозах, а их скорость и низкая стоимость могут дать экономический эффект для более бедных регионов, где точные прогнозы остаются недоступными из-за цены сенсоров и суперкомпьютеров.
Билл Гейтс недавно назвал ИИ-прогноз погоды важным преимуществом технологии, отметив, что более точные прогнозы могут повысить урожайность в развивающихся странах. Алет из DeepMind добавил, что более детальные прогнозы ветра, дождя и облачности помогут сделать проекты в сфере возобновляемой энергетики более предсказуемыми.
«В конечном счёте Google занимается тем, чтобы давать пользователю полезную информацию, а погода так или иначе важна для того, что ищут люди», — сказал Алет.
Источник: TechCrunch.