Най-новият AI модел за времето на Google вече не ви оставя извинение да забравите чадъра си

Учени от Google DeepMind и Google Research представиха днес нов модел за прогнозиране на времето с изкуствен интелект, който вижда променящата се атмосфера по-ясно и по-често предсказва поведението ѝ.

WeatherNext 3 е най-новата вълна на дълбока промяна в метеорологията, породена от техниките за дълбоко обучение, а Google заявява, че ще започне да захранва метеорологичната информация, която потребителите виждат в търсачката, Google Maps и Gemini, както и че ще бъде достъпен за потребители и изследователи в облачните платформи на Google.

„Това ще бъде първият път, когато някои от основните променливи ще захранват и ще бъдат в основата на много от продуктите на Google“, каза пред TechCrunch Самир Мърчант, старши щатен инженер в Google.

Новият модел вече се е доказал като най-точния сред водещите претенденти, тествани в Operational WeatherBench — инструмент за сравняване на прогнози с изкуствен интелект, създаден от стартъпа Brightband. Той анализира показатели като температура, скорост на вятъра и влажност.

Освен че превъзхожда други модели за дълбоко обучение, създадени от Google, Microsoft, Nvidia и Европейския център за средносрочни метеорологични прогнози, той надминава и традиционните прогнози на Националната метеорологична служба на САЩ и ECMWF.

Повечето метеорологични прогнози се създават от суперкомпютри, собственост на правителствата, които бавно обработват математически уравнения, описващи физиката на времето; макар тези системи да са станали забележително точни, те са скъпи и сравнително бавни. След като през 2018 г. ECMWF публикува повече от половин век метеорологични данни, генерирани от тези системи, изследователите в областта на дълбокото обучение започнаха да обучават модели, които могат да правят прогнози много по-бързо и със сравнима с правителствените инструменти точност.

„Времето е хаотично и затова малките разлики започват масово да променят нещата… Машинното обучение се насочва към проблема, който всъщност решаваме — приблизителна оценка на шумната физика въз основа на непълна информация и ограничени изчислителни ресурси — и затова то научава закономерности от много данни“, каза Феран Алет, старши ръководител на изследователски научен екип в DeepMind.

Оттогава създателите на модели работят по основните слабости на моделите за прогнозиране с изкуствен интелект: те обикновено правят прогнози за по-голяма площ — от 15 до 25 квадратни километра — отколкото е наистина полезно, не винаги се справят добре с дъжда и все още зависят от форматираните набори от данни, създавани от правителствени агенции.

WeatherNext 3 се справя и с трите предизвикателства. По отношение на ключовите променливи изследователи заявиха пред TechCrunch, че може да прогнозира с резолюция до 5 км. Оценките му за дъждовете са с 60% по-добри от тези на WeatherNext 2, а сега може да създава почасови прогнози вместо стандартната прогноза на всеки шест часа.

Тези подобрения са резултат от конкретни решения, взети от създателите на модела. WeatherNext 3 е по-голям модел с 2,4 пъти повече параметри от предшественика си, като целите за декодиращите му глави са адаптирани така, че да дават по-полезни отговори. Докато повечето метеорологични прогнози представят показатели, осреднени в рамките на триизмерна мрежа, изследователите от DeepMind вече са получили признание за това, че са настроили модела си така, че да визуализира и траекториите на циклоните.

Този път създателите са обучили модела и да насочва прогнозите си към конкретни метеорологични станции. Това е важно не само за предлагането на по-детайлни прогнози, но и за възможността работата му да бъде оценявана спрямо конкретни достоверни данни.

„Идеята при много приложения на изкуствения интелект е задачите да се изпълняват възможно най-цялостно — от началото до края“, каза Даниел Ротенберг, атмосферeн учен в Brightband. „Добавянето на възможност този модел да прогнозира например какво ще измери метеорологичната станция на летището в Денвър на всеки час просто свързва тази задача за прогнозиране по-тясно с основата.“

Моделът може да прави прогнози по-често, тъй като може да обработва метеорологични сателитни данни, събирани в реално време на всеки час. Подаването към моделите с изкуствен интелект на сурови емпирични наблюдения, вместо на анализите, създадени от метеорологични суперкомпютри, обещава по-точна прогноза, но все още е технически сложно моделите да работят с неформатирани данни.

Google заявява, че WeatherNext 3 е „първият“ модел с изкуствен интелект, който директно включва сурови наблюдения за глобална прогноза с висока резолюция, но стартъпът за метеорологичен изкуствен интелект WindBorne заявява, че неговият модел WeatherMesh 6 включва сурови наблюдения от флота си от метеорологични балони и други източници още от края на 2025 г. В отговор на въпроса по този повод Google посочи, че прогнозите му са с по-висока резолюция в глобален мащаб. Независимо от това и двата модела все още разчитат на национални метеорологични набори от данни, за да правят прогнози, така че ще е необходима още работа за истинско директно усвояване на данни.

Макар че големите езикови модели получават по-голямата част от вниманието, революцията на трансформърите в метеорологията е също толкова важна. Европейските и американските метеорологични агенции вече използват модели с изкуствен интелект в своите продукти за прогнозиране, а тяхната бързина и ниска цена обещават да окажат икономическо въздействие в по-бедни региони, където разходите за висококачествени сензори и суперкомпютри са направили точните прогнози недостъпни.

Бил Гейтс наскоро посочи прогнозите за времето с помощта на изкуствен интелект като ключова полза от технологията, като по-добрите прогнози подобряват добивите от културите в развиващите се страни. Алет, изследователят от DeepMind, каза, че прогнозите с по-висока резолюция за вятъра, дъжда и облачността ще бъдат полезни за повишаване на надеждността на проектите за възобновяема енергия.

„В крайна сметка мисля, че Google се стреми да предоставя полезна информация на потребителя, а голяма част от това, което потребителите търсят, по един или друг начин е свързано с времето“, каза Алет.