Исследования
Google запускает WeatherNext 3 с почасовыми прогнозами на основе данных со спутников
WeatherNext 3 использует данные с живых спутниковых наблюдений для создания ежечасных глобальных прогнозов с разрешением до пяти километров, расширяя использование ИИ-погодных данных в Поиске, Картах, Gemini и Google Cloud.
Патрик Т ·
Google имеет запустил WeatherNext 3, система прогнозирования на основе ИИ, которая получает данные с геостационарных спутников в реальном времени и формирует новый глобальный прогноз каждый час. Модель определяет некоторые поверхности переменные с разрешением пять километров, что в пять раз лучше, чем сетка 25 километров и шестичасовой цикл WeatherNext 2, и интегрируется в Search, Gemini, Maps, Google Maps Platform и Cloud.
Обновление нацелено на устойчивую слабость моделей прогноза погоды с использованием ИИ. Многие из них обучаются на анализах, создаваемых системами численного прогнозирования погоды, которые дают согласованное представление об атмосфере, но могут поступать с задержкой. Быстро развивающийся дождь, температура поверхности и местные штормы могут измениться до того, как станет доступен следующий анализ. Прямой ввод данных со спутника дает WeatherNext 3 более свежую картину условий по мере их изменения.
Прогноз каждый час
WeatherNext 3 сочетает почасовые спутниковые мозаики с историческим анализом в сетевом трансформере функциональной генеративной сети. Он генерирует плотные атмосферные поля, трассы циклонов и прогнозы для конкретных координат станций. Google утверждает, что температуру и влажность можно представить с разрешением пять километров, остальные поверхностные переменные с разрешением десять километров, а атмосферные ветры с разрешением двадцать пять километров.
Разрешение — это не просто визуальная полировка. Береговые линии, горы, долины и города создают различия в погоде на коротких расстояниях. Ячейка размером 25 километров может сгладить эти эффекты в одно среднее значение. Более мелкие сетки дают фермерам, энергетическим операторам и планировщикам чрезвычайных ситуаций более актуальную локальную информацию, при условии, что модель остается откалиброванной и не подразумевает точность сверх того, что поддерживают наблюдения.
Google цитирует независимых живые оценки Brightband называет WeatherNext 3 своей самой точной глобальной моделью. Непрерывная оценка ценна, потому что погода каждый день предоставляет новую реальную информацию. Пользователям все равно следует проверять точность по регионам, переменным и времени прогнозирования. Глобальное среднее значение может скрывать слабые прогнозы осадков в местах, где точные предупреждения имеют наибольшее значение.
Система также прогнозирует показатели чистой энергии, включая условия ветра и солнца. Операторам возобновляемых источников энергии нужны вероятностные прогнозы для планирования генерации, хранения и резервного снабжения. Более точные обновления могут снизить затраты на балансировку, но рыночные решения требуют диапазонов неопределенности, а не одного детерминированного пути. Лучшая модель — это не та, которая кажется уверенной; это та, чья уверенность соответствует реальности.
Распределение меняет ставки
WeatherNext 3 не ограничивается исследовательским порталом. Интеграция в повседневные продукты Google означает, что его прогнозы могут влиять на путешествия, сельское хозяйство и решения в чрезвычайных ситуациях в огромном масштабе. Распространение делает небольшие предвзятости значительными. Google нужны четкая происхождение данных, корректный механизм действий при сбоях наблюдений и интерфейсы, которые сообщают неопределенность людям, которые никогда не читали описание модели.
Облачный доступ создает новую аудиторию. Компании могут использовать данные WeatherNext в логистике, страховании, сельском хозяйстве и энергетических системах без необходимости эксплуатации собственной инфраструктуры прогнозирования. Это снижает технический барьер, но также может концентрировать зависимость от одного поставщика. Критическим пользователям следует сохранять возможность сравнения с национальными метеорологическими службами и определить, что произойдет, если API или модель изменятся.
The Всемирная метеорологическая организация стимулировал более широкое использование ИИ, при этом подчеркивая, что национальные службы по-прежнему несут ответственность за официальные предупреждения. Модели ИИ могут быстро создавать прогнозы, но государственные агентства объединяют их с данными радаров, местными наблюдениями, суждениями метеорологов и установленными каналами связи. Потребительское приложение не должно восприниматься как официальное распоряжение об эвакуации.
Доступ может быть особенно ценным в регионах, где отсутствуют суперкомпьютеры, необходимые для высокоразрешающих численных моделей. Google указывает на Латинскую Америку, Африку и Азиатско-Тихоокеанский регион как на места, где более точные глобальные прогнозы могут частично сократить этот разрыв. Выгода будет зависеть от того, смогут ли местные агентства надежно получить данные, оценить региональную эффективность и донести её в языках и форматах, используемых сообществами.
ИИ присоединяется к физике, а не заменяет её
Прогнозистам понадобятся инструменты, которые объясняют, почему последовательные почасовые показатели изменились. Модель, которая меняет путь шторма, должна показывать, вызваны ли изменения новыми спутниковыми наблюдениями и как изменилась степень уверенности. Без этого контекста пользователи могут чрезмерно реагировать на обычные колебания прогноза или игнорировать важный сигнал после того, как увидят несколько предыдущих обновлений, изменивших направление.
Историческая оценка должна учитывать качество доступных на тот момент наблюдений. Воссоздание прогноза с использованием данных, исправленных позже, может сделать результаты работы системы лучше, чем на самом деле в режиме реального времени. Поэтому подход Google к оценке в реальном времени важен: он фиксирует, что модель знала до наступления погоды. Независимые архивы помогут исследователям проверить эти сравнения за полный сезон.
Соперничество между ИИ и численным прогнозированием часто преувеличено. Традиционные модели кодируют физические уравнения и создают богатые атмосферные состояния. Системы машинного обучения могут выявлять закономерности и генерировать ансамбли при значительно меньших вычислительных затратах. Европейский центр среднесрочных прогнозов погоды уже работает Прогнозирование с помощью ИИ наряду с традиционными системами. Операционные центры, вероятно, будут комбинировать подходы, используя разногласия для выявления неопределенности и повышения устойчивости.
WeatherNext 3 научная статья будет важно для понимания архитектуры, учебных данных, требований к вычислениям и режимов отказа. Воспроизводимость может быть ограничена, если модель зависит от проприетарных данных или инфраструктуры. Независимым метеорологам необходимы достаточно подробные данные, чтобы оценить, сохраняются ли улучшения за пределами выбранных Google тестов и во время редких экстремальных ситуаций.
Экстремальные события являются самыми трудными и важными случаями, потому что исторических примеров их меньше. Модель может улучшить среднюю ошибку температуры, пропуская быстро усиливающийся циклон или локализованное наводнение. Поэтому оценка должна учитывать поведение в хвосте распределения, время предупреждения и надежность в условиях меняющегося климата, а не только совокупную точность.
WeatherNext 3 представляет собой значительный инженерный шаг: более свежие наблюдения, более точная пространственная детализация, почасовые обновления и распределение через продукты, которые люди уже используют. Его общественная ценность будет зависеть от дисциплинированного представления и независимой проверки. Прогноз не полезен только потому, что его создал ИИ. Он полезен, когда люди понимают его неопределённость, комбинируют её с местными данными и принимают лучшее решение до того, как придёт погода.
Темы: Google DeepMind, WeatherNext 3, прогнозирование погоды, климат, данные со спутников