Google представила ИИ-модель WeatherNext 3 для сверхточных прогнозов погоды

Ученые из Google DeepMind и Google Research представили новую модель искусственного интеллекта для прогнозирования погоды. Разработка под названием WeatherNext 3 позволит точнее предсказывать изменения атмосферы и делать это чаще.

WeatherNext 3 станет частью погодных сервисов Google, включая поиск, Google Maps и Gemini, а также будет доступна пользователям и исследователям через облачные платформы компании. По словам старшего инженера Google Сэмьер Мерчант, это первый случай, когда ключевые переменные модели будут питать множество продуктов Google.

Новая модель уже показала наивысшую точность среди ведущих конкурентов в тестах Operational WeatherBench — инструмента для сравнения ИИ-прогнозов, созданного стартапом Brightband. Она превзошла не только другие модели глубокого обучения от Google, Microsoft, Nvidia и Европейского центра среднесрочных прогнозов погоды (ECMWF), но и традиционные прогнозы Национальной метеорологической службы США и ECMWF.

Традиционные прогнозы строятся на вычислениях суперкомпьютеров, решающих уравнения физики атмосферы. Они точны, но дороги и медленны. После того как ECMWF в 2018 году опубликовал более полувека данных, исследователи начали обучать модели, способные предсказывать погоду гораздо быстрее и с сопоставимой точностью.

«Погода хаотична, поэтому небольшие различия начинают сильно влиять на результат. Машинное обучение нацелено на реальную проблему — приближенную физику с шумом из неполной информации и ограниченных вычислений, поэтому оно учится на большом объеме данных», — отметил Ферран Алет, руководитель исследовательской группы в DeepMind.

Разработчики WeatherNext 3 решили три ключевые проблемы ИИ-моделей: прогнозы теперь строятся с разрешением до 5 км (вместо 15–25 км у предшественников), точность прогнозов осадков улучшена на 60% по сравнению с WeatherNext 2, а прогнозы выдаются ежечасно вместо стандартных шестичасовых интервалов.

Улучшения достигнуты за счет увеличения модели: количество параметров выросло в 2,4 раза, а цели для декодеров были скорректированы для более полезных ответов. Модель также обучена прогнозировать показания конкретных метеостанций, что позволяет сверять результаты с реальными данными.

«Идея многих ИИ-приложений — выполнять задачи как можно более сквозным образом. Возможность предсказывать, что измерит метеостанция аэропорта Денвера на почасовой основе, приближает задачу прогнозирования к сути», — пояснил Дэниел Ротенберг, атмосферный ученый из Brightband.

WeatherNext 3 способна делать более частые прогнозы благодаря приему спутниковых данных в реальном времени. Google называет ее «первой» ИИ-моделью, напрямую использующей сырые наблюдения для глобального прогноза высокого разрешения, однако стартап WindBorne утверждает, что его модель WeatherMesh 6 делает это с конца 2025 года. В Google ответили, что их прогнозы имеют более высокое разрешение по всему миру. Обе модели по-прежнему зависят от национальных метеорологических данных.

ИИ-революция в метеорологии важна не меньше, чем в языковых моделях. Европейские и американские метеослужбы уже используют ИИ, а скорость и низкая стоимость таких систем обещают экономический эффект для бедных регионов, где точные прогнозы ранее были недоступны из-за дороговизны оборудования.

Билл Гейтс недавно назвал ИИ-прогнозы погоды ключевым преимуществом технологии, отмечая их пользу для урожайности в развивающихся странах. В DeepMind также указывают, что более точные прогнозы ветра, осадков и облачности сделают проекты возобновляемой энергетики надежнее.