Google DeepMind та Google Research презентували нову модель глибокого навчання WeatherNext 3. Вона стала першою глобальною метеорологічною ШІ-системою, яка здатна формувати деталізовані прогнози погоди щогодини та працює безпосередньо з первинними супутниковими даними в режимі реального часу.
Google DeepMind та Google Research презентували нову модель глибокого навчання WeatherNext 3. Вона стала першою глобальною метеорологічною ШІ-системою, яка здатна формувати деталізовані прогнози погоди щогодини та працює безпосередньо з первинними супутниковими даними в режимі реального часу.
Як повідомляє TechCrunch з посиланням на анонс розробників, нова розробка вже показала найкращі результати у тесті Operational WeatherBench від стартапу Brightband. Модель перевершила за точністю розрахунки від Microsoft, Nvidia, Європейського центру середньострокових прогнозів погоди (ECMWF) та Національної служби погоди США.
За словами старшого інженера Google Самієра Мерчанта, це перший випадок, коли ключові метеорологічні змінні від ШІ-моделі стануть безпосередньою основою для масових продуктів компанії — «Пошуку», Google Maps та асистента Gemini. Модель також доступна бізнесу через BigQuery, Earth Engine, Google Maps Platform та Google Cloud Storage.
Головна перевага WeatherNext 3 полягає в деталізації та швидкості оновлення даних. Системна архітектура є ансамблевою моделлю, яка містить у 2,4 раза більше параметрів, ніж її попередниця WeatherNext 2. Модель навчена обробляти необроблені супутникові знімки безпосередньо, минаючи етап попередньої обробки суперкомп’ютерами. Це дозволило збільшити точність передбачення опадів на 60% порівняно з попередньою версією та видавати прогнози щогодини, а не кожні шість годин, як це було заведено раніше.
Роздільна здатність розрахунків залежить від типу параметрів: поверхневі дані на метеостанціях (зокрема температура та вологість) прогнозуються з точністю до 5 км, тоді як інші показники (наприклад, вітер) — з роздільністю 10 км.
Окрім споживчих сервісів, розробники сфокусували WeatherNext 3 на промисловому застосуванні, зокрема для відновлюваної енергетики. Модель розраховує рівень сонячної радіації та хмарність, що допомагає операторам сонячних і вітрових електростанцій ефективніше керувати генерацією. Раніше технологію вже тестував Національний центр ураганів США для визначення траєкторії та прогнозування виходу на сушу урагану «Мелісса» на Ямайці.
«Ідея багатьох застосувань штучного інтелекту полягає в тому, щоб виконувати завдання якомога більш комплексно, від початку до кінця. Додавання можливості, завдяки якій ця модель тепер також прогнозує, які показники щогодини фіксуватиме метеостанція, наближає завдання прогнозування до його суті», — зазначив учений-атмосферолог з компанії Brightband Даніель Ротенберг.
Фахівці зазначають, що впровадження подібних трансформерів у метеорологію дозволяє суттєво знизити вартість розрахунків порівняно з традиційними суперкомп’ютерними математичними моделями. Це робить точні прогнози доступними для регіонів, які не мають ресурсів на власні суперкомп’ютери, а також оптимізує роботу сільського господарства та енергетичного сектору.
