Google DeepMind и Google Research представили WeatherNext 3 — модель, которую по итогам независимых онлайн-оценок Brightband можно назвать самой продвинутой и точной глобальной погодной моделью на сегодняшний день. Флагманская прогнозная модель на базе ИИ использует данные спутников в реальном времени, ежечасное обновление, более высокое разрешение, точное прогнозирование осадков и новые переменные для чистой энергетики. Она уже интегрирована в Google Поиск, приложение Gemini, Google Карты, Google Maps Platform и Google Cloud.

Каждый день погода влияет на миллиарды решений. Одни просты, как захват зонтика перед выходом из дома, другие — куда более значимы. Ветер, дождь и экстремальные погодные явления, такие как волны жары и засухи, оказывают цепное влияние на сельское хозяйство, глобальные цепочки поставок, производство чистой энергии и национальные экономики.

В последние годы ИИ произвёл революцию в прогнозировании погоды, используя исторические данные для более быстрых и точных прогнозов по сравнению с традиционными методами. Собственная модель DeepMind GraphCast, выпущенная в 2023 году, превзошла традиционные численные системы по многим метрикам и помогла закрепить машинное обучение как надёжное дополнение к физическому моделированию — наряду с разработками других организаций, таких как Европейский центр среднесрочных прогнозов погоды (ECMWF) и его модель AIFS с открытым кодом. Однако прогнозирование локальных и быстро меняющихся погодных условий оставалось сложной задачей: предыдущие модели нередко не обладали достаточным пространственным разрешением и испытывали трудности с учётом данных в реальном времени из таких источников, как спутники.

WeatherNext 3 обучается непосредственно на наблюдениях в реальном времени, что позволяет своевременно давать более локализованные прогнозы для погодных явлений, наиболее влияющих на людей. Используя необработанные спутниковые данные для формирования высокоточного прогноза каждый час, модель делает надёжные прогнозы доступными во всех продуктах Google по всему миру.

Быстрое прогнозирование погоды с беспрецедентным разрешением

Практическая ценность прогноза часто определяется детализацией — тем, насколько точно он разрешает и время, и пространство. WeatherNext 3 формирует ежечасные прогнозы с несколькими пространственными разрешениями, сохраняя физическую согласованность — от широкомасштабных глобальных ветровых потоков до локального рельефа местности.

Модель визуализирует ключевые приземные переменные, такие как температура и влажность, с разрешением 5 километров, другие приземные переменные — с разрешением 10 километров, а атмосферные переменные, такие как скорость ветра, — с разрешением 25 километров. В целом это даёт глобальную картину погоды примерно в пять раз чётче, чем предшественница WeatherNext 2, которая формировала прогнозы на сетке с шагом 25 километров с интервалом в 6 часов.

С архитектурной точки зрения WeatherNext 3 принимает живые ежечасные мозаики данных геостационарных спутников наряду с традиционным историческим анализом, подавая их в единую гибкую mesh-трансформерную сеть Functional Generative Network (FGN). На выходе модель даёт плотные сеточные поля, дискретные траектории циклонов и прогнозы по отдельным метеостанциям в исходном виде.

При сравнении прогнозов температуры на высоте 2 метров над Великобританией собственное разрешение WeatherNext 3 в 5 километров (0,05°) позволяет учитывать сложный локальный рельеф, избегая пиксельных и чрезмерно сглаженных температурных картин, характерных для WeatherNext 2 с разрешением 25 километров (0,25°).

Данные реального мира в непрерывном глобальном масштабе

Главный прорыв заключается в том, на чём обучается модель. Большинство моделей ИИ для погоды, включая WeatherNext 2, обучаются на данных численных моделей прогнозирования погоды (NWP). Хотя они полезны, NWP-модели — это сложные физические симуляции, работающие на суперкомпьютерах, с отставанием данных на шесть часов, что может вносить искажения для быстроменяющихся переменных, таких как осадки или приземная температура.

Используя мозаику живых глобальных данных геостационарных спутников, WeatherNext 3 получает непрерывно обновляемое представление об атмосфере. Это позволяет модели формировать новый прогноз каждый час, каждый раз опираясь на самые свежие доступные спутниковые наблюдения с разрешением до 5 километров.

Быстрое обновление важно, поскольку критические погодные явления развиваются стремительно. Когда штормы, атмосферные фронты или системы осадков возникают внезапно, ежечасный цикл обновления и более высокое разрешение модели дают более раннюю и детальную информацию для эффективного реагирования.

Некоторые переменные, например температура и влажность, могут резко меняться буквально на протяжении нескольких километров — что особенно актуально для населённых пунктов вблизи побережий, долин и горных хребтов. Традиционные модели здесь испытывают трудности, так как обучаются на представлениях атмосферы с недостаточной детализацией, упуская крайние локальные отклонения. WeatherNext 3 же обучается непосредственно на разреженных данных наблюдений метеостанций, что позволяет строить глобальные прогнозы на сетке с шагом 5 километров с учётом региональных особенностей, таких как рельеф местности.

По данным Google, этот прорыв особенно важен для регионов Латинской Америки, Африки и Азиатско-Тихоокеанского региона, которые исторически были недостаточно охвачены высокоточным прогнозированием из-за огромной стоимости суперкомпьютеров, требуемых традиционными региональными моделями. Он приносит локализованные высокоточные прогнозы миллиардам людей и местным компаниям в этих регионах. Поскольку после обучения ИИ-модели требуют значительно меньше вычислительных ресурсов, чем суперкомпьютерные NWP-системы, они снижают ценовой барьер, который исторически ограничивал высокоточное прогнозирование более богатыми регионами.

Помимо разрешения и частоты прогнозов, модель вводит предсказания, специально разработанные для производства возобновляемой энергии. WeatherNext 3 прогнозирует скорость ветра на высоте 100 метров — примерно на высоте турбины — для точной оценки выработки ветровой энергии, а также облачность высокого разрешения и уровни солнечной радиации, помогая солнечным электростанциям оценивать, сколько света достигнет земли. По словам Google, эти данные критически важны для глобального планирования чистой энергетики: они позволяют операторам сетей и разработчикам возобновляемой энергетики точно предсказывать выработку их объектов и сопоставлять её с потребительским спросом. Эта возможность согласуется с заявленной целью Google работать на безуглеродной энергии круглосуточно к 2030 году — задачей, heavily зависящей от прогнозирования выработки возобновляемой энергии.

Прогнозирование осадков с прорывной точностью

Глобальные погодные модели издавна испытывают трудности с точным прогнозированием осадков. Системы дождя и снега определяются быстрыми облачными процессами на микрошкалах, которые сложно точно смоделировать традиционными физическими симуляциями. В результате прогнозы ИИ нередко дают размытые оценки или полностью упускают границы сильных штормов.

Чтобы решить эту проблему, Google обучил модель на двух высококачественных наборах данных об осадках: основанных на спутниках интегрированных многоканальных извлечениях NASA для GPM (IMERG) и собственной глобальной реанализе осадков на основе спутникового радара.

Результатом стал значительный скачок в точности прогнозирования осадков. В среднесрочных глобальных прогнозах оценки относительно базовых показателей демонстрируют улучшение Continuous Ranked Probability Score (CRPS) до 60% относительно IMERG, 30% для MRMS и 10% относительно измерений дождемеров на ранних сроках прогноза.

При сравнении среднесрочных прогнозов вероятности осадков (PoP > 1 мм) WeatherNext 2 с разрешением 25 километров показывала сильно размытый и пиксельный след осадков, тогда как WeatherNext 3 с разрешением 11 километров близко воспроизводила фактические спутниковые данные, точно улавливая резкие конвективные полосы погодных систем.

Исследования, применённые в экосистеме

Google заявляет, что основная цель — развитие погодного интеллекта, чтобы он был полезен всем: спасателю, отслеживающему резкие изменения ветра, авиадиспетчеру, планирующему маршруты полётов, или фермеру, управляющему посевами.

Чтобы вывести эти разработки из лаборатории в реальный мир, WeatherNext 3 интегрируется в ключевую экосистему Google и за её пределами:

• Данные прогнозов высокого разрешения: глобальные погодные прогнозы обновляются ежечасно и готовы к интеграции в рабочие процессы без настройки модели. Исследователи, разработчики и компании могут запрашивать данные в BigQuery и Earth Engine или массово загружать их из Google Cloud Storage.
• Глобальная доступность: начиная с сегодняшнего дня WeatherNext 3 работает в погодных сервисах Google Поиска, приложения Gemini, Google Карт, Weather API Google Maps Platform и Google Earth Engine. Обновление значительно улучшает долгосрочные прогнозы: при планировании на день и более вперёд пользователи увидят до 50% более точные прогнозы осадков, причём наибольшие улучшения — в регионах, где прогнозы исторически были менее надёжными.

Google отмечает, что атмосфера всегда сохраняет определённую степень непредсказуемости. Однако, обучаясь на наблюдениях реального мира и обходя ограничения традиционного моделирования, WeatherNext 3 приближает нас к будущему, где прогнозы действительно соответствуют тому, что происходит на земле. По мере зрелости ИИ-прогнозирования в отрасли всё острее встаёт вопрос о том, как машинное обучение будет сосуществовать с традиционными физическими метеослужбами — национальные метеорологические ведомства, включая сотрудничающие с разработчиками ИИ, остаются авторитетным источником предупреждений и общественной безопасности, что признаёт и сам Google.

Дополнительные ресурсы по выпуску включают научную статью о WeatherNext 3, документацию для разработчиков по созданию решений с WeatherNext 3, Weather Lab для визуализации модели в реальном времени и независимые онлайн-рейтинги Brightband, показывающие позиции WeatherNext 3. Читатели также могут ознакомиться с более широкими геопространственными и ИИ-разработками Google через Google Earth Engine, AlphaEarth Foundations и Earth AI.

В заявлении Google отмечается, что за официальными прогнозами погоды, предупреждениями о суровых погодных явлениях и рекомендациями по общественной безопасности следует обращаться в местное метеорологическое ведомство или национальную метеослужбу.

Источник: Google DeepMind Blog