Новейшая ИИ-модель погоды от Google больше не оставляет оправданий, чтобы забыть зонт

Сегодня ученые из Google DeepMind и Google Research выпустили новую модель искусственного интеллекта для прогнозирования погоды, которая позволяет более четко видеть изменения в нашей атмосфере и чаще предсказывать ее поведение.

WeatherNext 3 — последний этап тектонических изменений в метеорологии, вызванных методами глубокого обучения. Google заявляет, что модель начнет использоваться для формирования метеорологической информации, которую пользователи видят в поиске, Google Maps и Gemini, а также будет доступна пользователям и исследователям на облачных платформах Google.

«Впервые некоторые ключевые переменные будут использоваться и обеспечивать работу многих продуктов Google», — сообщил TechCrunch Самиер Мерчант, старший штатный инженер Google.

Новая модель уже доказала, что является наиболее точной среди ведущих решений, протестированных на Operational WeatherBench — инструменте для сравнения прогнозов ИИ, созданном стартапом Brightband. При оценке учитываются такие показатели, как температура, скорость ветра и влажность.

Помимо превосходства над другими моделями глубокого обучения, разработанными Google, Microsoft, Nvidia и Европейским центром среднесрочных прогнозов погоды, она также превосходит традиционные прогнозы Национальной метеорологической службы США и ECMWF.

Большинство прогнозов погоды создается с помощью принадлежащих государству суперкомпьютеров, кропотливо обрабатывающих математические уравнения, описывающие физику погоды; хотя эти системы стали поразительно точными, они дороги и сравнительно медленны. После того как ECMWF в 2018 году опубликовал более чем полвека метеорологических данных, полученных с помощью таких систем, исследователи в области глубокого обучения начали обучать модели, способные делать прогнозы гораздо быстрее и с сопоставимой с государственными инструментами точностью.

«Погода хаотична, поэтому небольшие различия действительно начинают масштабно влиять на результат… Машинное обучение нацелено на решение именно той задачи, которую мы пытаемся решить: приближенное моделирование зашумленной физики на основе неполной информации и при ограниченных вычислительных ресурсах, поэтому оно изучает закономерности на большом объеме данных», — сказал Ферран Алет, руководитель группы штатных научных сотрудников DeepMind.

С тех пор разработчики моделей сосредоточились на ключевых недостатках моделей прогнозирования с помощью ИИ: обычно они составляют прогнозы для более обширной территории — от 15 до 25 квадратных километров, — чем действительно необходимо, не всегда хорошо справляются с осадками и по-прежнему зависят от структурированных наборов данных, подготовленных государственными учреждениями.

WeatherNext 3 решает все три задачи. По словам исследователей, опрошенных TechCrunch, по ключевым переменным модель способна прогнозировать с разрешением до 5 км. Результаты ее оценки осадков улучшились на 60% по сравнению с WeatherNext 2, а теперь она может создавать почасовые прогнозы вместо стандартных прогнозов раз в шесть часов.

Эти улучшения стали результатом конкретных решений, принятых разработчиками. WeatherNext 3 — более крупная модель, содержащая в 2,4 раза больше параметров, чем ее предшественница, а целевые показатели для декодирующих голов были адаптированы для получения более полезных ответов. Хотя большинство прогнозов погоды выдает показатели, усредненные по трехмерной сетке, исследователи DeepMind уже получили признание благодаря настройке своей модели на визуализацию траекторий циклонов.

На этот раз разработчики также обучили модель направлять свои прогнозы на конкретные метеостанции. Это важно не только для получения более детализированных прогнозов, но и для возможности оценивать ее работу по конкретным фактическим данным.

«Идея многих приложений ИИ заключается в том, чтобы по возможности выполнять задачи от начала до конца», — сказал Дэниел Ротенберг, специалист по атмосферным наукам из Brightband. «Добавление возможности, благодаря которой модель теперь также предсказывает, например, какие показания почасово будет фиксировать метеостанция в аэропорту Денвера, приближает задачу прогнозирования к ее ядру».

Модель способна составлять прогнозы чаще, поскольку может получать данные метеорологических спутников, собираемые в реальном времени каждый час. Подача в модели ИИ необработанных эмпирических наблюдений вместо анализа, подготовленного метеорологическими суперкомпьютерами, обещает более точный прогноз, однако научить модели работать с неструктурированными данными по-прежнему технически сложно.

Google заявляет, что WeatherNext 3 — это «первая» модель ИИ, напрямую использующая необработанные наблюдения для создания глобального прогноза высокого разрешения, однако стартап в области метеорологического ИИ WindBorne утверждает, что его модель WeatherMesh 6 использует необработанные наблюдения с конца 2025 года — данные, получаемые от его флота метеорологических аэростатов и других источников. Отвечая на этот вопрос, Google указала, что ее прогнозы имеют более высокое разрешение по всему земному шару. В любом случае обе модели по-прежнему опираются на национальные метеорологические наборы данных для составления прогнозов, поэтому для полноценного прямого усвоения данных потребуется дополнительная работа.

Хотя большие языковые модели получают основное внимание, революция трансформеров в метеорологии была не менее значимой. Европейские и американские метеорологические службы уже используют модели ИИ в своих прогнозных продуктах, а их скорость и низкая стоимость обещают принести экономическую пользу более бедным регионам, где расходы на высококачественные датчики и суперкомпьютеры сделали точные прогнозы недоступными.

Недавно Билл Гейтс назвал прогнозирование погоды с помощью ИИ одним из ключевых преимуществ этой технологии: более точные прогнозы позволят повысить урожайность в развивающихся странах. Алет, исследователь DeepMind, сказал, что прогнозы ветра, дождя и облачности с более высоким разрешением помогут сделать проекты в области возобновляемой энергетики более надежными.

«В конечном счете я думаю, что Google стремится предоставлять пользователю полезную информацию, а многое из того, что ищут пользователи, так или иначе связано с погодой», — сказал Алет.