Google представила WeatherNext 3 — новую глобальную ИИ-модель для прогнозирования погоды. Она использует данные со спутников в реальном времени, обеспечивая почасовые обновления и высокое разрешение.
2 мин
Google DeepMind и Google Research представили WeatherNext 3 — свою самую продвинутую ИИ-модель для глобального прогнозирования погоды. В отличие от традиционных моделей, которые опираются на сложные физические симуляции с задержкой данных, новая система учится непосредственно на наблюдениях в реальном времени.
Суть нововведения заключается в использовании сырых данных с геостационарных спутников. Это позволяет модели генерировать новый прогноз каждый час с разрешением до 5 километров. Предыдущая версия, WeatherNext 2, создавала прогнозы на сетке 25 километров с интервалом в 6 часов. Таким образом, новая модель дает картину, которая примерно в пять раз четче.
Diagram of the WeatherNext 3 System architecture
Традиционные численные модели прогнозирования погоды (NWP) часто имеют задержку данных до шести часов, что приводит к неточностям при прогнозировании быстро меняющихся явлений, таких как дождь или температура поверхности. Обучение WeatherNext 3 напрямую на данных метеостанций позволяет учитывать региональные особенности, такие как рельеф местности.
Модель также предлагает прогнозы, специально разработанные для возобновляемой энергетики. Она предсказывает скорость ветра на высоте 100 метров (примерно на уровне турбин), а также облачность и уровень солнечной радиации. Это критически важно для операторов энергосетей и разработчиков чистой энергии.
Text "WeatherNext3" over a blue and yellow saturated image of clouds
Еще один важный аспект — значительное улучшение прогнозирования осадков. ИИ-модели часто выдают размытые оценки или пропускают границы сильных штормов. WeatherNext 3 обучалась на высококачественных данных об осадках, включая спутниковую систему NASA IMERG, что привело к улучшению метрики CRPS до 60% по сравнению с базовыми показателями.
Интеграция WeatherNext 3 уже началась в продуктах Google, включая Поиск, Gemini, Карты и Google Cloud. Это делает высокоточные прогнозы доступными для миллиардов людей и бизнесов по всему миру, особенно в регионах, которые исторически были недостаточно обеспечены точными метеоданными.
Развитие подобных ИИ-моделей показывает, как машинное обучение может решать сложные физические задачи быстрее и точнее традиционных методов, открывая новые возможности для адаптации к изменениям климата и управления ресурсами.
Comparison of prediction for WN2 and WN3
Изображение из источника
Изображение из источника
Изображение из источника
Изображение из источника
Изображение из источника
Изображение из источника
WeatherNext 3 от Google меняет подход к прогнозированию погоды, переходя от физических симуляций к прямому анализу спутниковых данных в реальном времени с высоким разрешением.
Отказ от промежуточных физических моделей в пользу прямого обучения ИИ на сырых данных со спутников и метеостанций оказался более эффективным для предсказания сложных локальных погодных явлений.
