Google DeepMind представляет модель искусственного интеллекта WeatherNext 2 для точных прогнозов погоды по всему миру

Google DeepMind , подразделение искусственного интеллекта Google, представило WeatherNext 2 — самую передовую на сегодняшний день систему для создания глобальных прогнозов погоды с повышенной точностью и более высоким разрешением.

WeatherNext 2 может составлять прогнозы до восьми раз быстрее, с временным разрешением до одного часа, благодаря новой модели, способной генерировать сотни потенциальных сценариев. Этот подход используется метеорологическими службами для помощи в принятии решений, включая экспериментальные прогнозы циклонов.

Система уже доступна пользователям, а данные прогнозов доступны через Google Earth Engine и BigQuery. Кроме того, на платформе Vertex AI от Google Cloud запущена программа раннего доступа, позволяющая создавать пользовательские модели.

Интеграция технологии WeatherNext уже улучшила прогнозы погоды в Google Search, Gemini, Pixel Weather и API погоды платформы Google Maps, а в ближайшие недели она также будет поддерживать информацию о погоде в Google Maps .

WeatherNext 2 представляет функциональные генеративные сети на базе искусственного интеллекта для улучшения прогнозов погоды

Точное прогнозирование погоды требует учёта всего спектра возможных исходов, включая экстремальные сценарии, критически важные для планирования. WeatherNext 2 способен генерировать сотни потенциальных погодных условий на основе одного начального условия, причём каждый прогноз выполняется менее чем за минуту на одном TPU — операция, которая при использовании традиционных физических суперкомпьютерных моделей заняла бы несколько часов.

Система предоставляет высокоточные прогнозы с точностью до часа, превосходя предыдущую модель WeatherNext по 99.9% переменных, включая температуру, ветер и влажность, с заблаговременностью от 0 до 15 дней. Это позволяет делать более точные и действенные прогнозы.

Улучшенная производительность достигается за счет нового ИИ-моделирование подход, известный как функциональная генеративная сеть (FGN), который вводит контролируемый «шум» непосредственно в архитектуру модели, гарантируя, что прогнозы остаются физически реалистичными и внутренне непротиворечивыми.

Эта методология особенно эффективна для прогнозирования как «маргинальных» (отдельных погодных элементов, таких как температура в определённой местности, скорость ветра на определённой высоте или влажность), так и «сочленений» (сложных взаимосвязанных систем, зависящих от взаимосвязей между этими элементами). Хотя модель обучается только на маргинальных, она может точно определять сочленения, что позволяет ей прогнозировать крупномасштабные закономерности, такие как регионы с экстремальной жарой или ожидаемая мощность всей ветряной электростанции.

WeatherNext 2 — это передовые исследования, которые применяются в практическом прогнозировании погоды с высоким уровнем последствий. Мы продолжаем совершенствовать и совершенствовать технологию, делая новейшие инструменты доступными для мирового сообщества.

Дальнейшая работа включает изучение дополнительных источников данных и расширение доступности для охвата большего числа пользователей. Предоставляя надежные инструменты и открытые данные, инициатива направлена ​​на поддержку научных открытий и позволяет исследователям, разработчикам и организациям по всему миру принимать обоснованные решения для решения сложных задач и стимулировать инновации в будущем.