جوجل ديب‌مايند تُطلق WeatherNext 3 مع توقعات ساعية بدقة 5 كيلومتر

أعلنت Google DeepMind وGoogle Research في 3 سبتمبر 2026، عن تقديم WeatherNext 3، وهو نموذج عالمي لتوقعات الطقس يعتمد على الذكاء الاصطناعي يولد توقعات ساعية بدقة تصل إلى 5 كيلومترات ويتم دمجه في بحث Google، وتطبيق Gemini، وGoogle Maps، وواجهة برمجة تطبيقات الطقس لمنصة Google Maps، وGoogle Earth Engine.

وصف الفرق WeatherNext 3 بأنه أكثر نماذج الطقس العالمية تقدماً ودقةً حتى الآن، مشيرين إلى تقييمات حية مستقلة من Brightband. وقد رافق الإصدار ورقة تقنية كتبها باحثون من Google DeepMind وGoogle Research وGoogle، وتوضح أن النموذج يعمل تشغيلياً.

توقعات ساعية بدقة أعلى

يولد WeatherNext 3 توقعات ساعية بدقة فضائية متعددة. تُنتج المتغيرات السطحية الرئيسية مثل درجة الحرارة والرطوبة بدقة 5 كيلومترات، والمتغيرات السطحية الأخرى بدقة 10 كيلومترات، والمتغيرات الجوية مثل سرعة الرياح بدقة 25 كيلومترًا. وذكرت Google أن ذلك ينتج صورة طقس عالمية أكثر وضوحًا بحوالي خمسة أضعاف مقارنةً بالنموذج السابق لها، WeatherNext 2، الذي كان ينتج توقعات على شبكة 25 كيلومترًا بفواصل زمنية كل ست ساعات.

وفقًا للورقة، يبني WeatherNext 3 على نهج الشبكة التوليدية الوظيفية الذي كان أساسًا لـ WeatherNext 2 ويولد توقعات جماعية لمدة 15 يومًا تتألف من 64 عضوًا تم تدريبها لتقليل مقياس الاحتمال المرتب المستمر (CRPS)، وهو مقياس قياسي لمهارة التوقع الاحتمالي. يزيد النموذج حجم المتغيّر الكامن من 768 إلى 1024 وعمق محول الشبكة من 24 إلى 32 طبقة مقارنةً بـ WeatherNext 2، وتم تدريب النسخة الإنتاجية على بيانات حتى 30 يونيو 2026. يستهلك النظام صورًا موزائية للساتل الجيوستاتيكي الحي كل ساعة إلى جانب التحليل التاريخي التقليدي، ويغذي محولًا شبكيًا واحدًا ينتج حقولًا شبكية كثيفة، ومسارات أعاصير منفصلة، وتوقعات على مستوى المحطات.

تم التدريب على الملاحظات الخام

تُدرب معظم نماذج الطقس القائمة على الذكاء الاصطناعي، بما في ذلك WeatherNext 2، على بيانات من نماذج التنبؤ العددي للطقس، وهي محاكاة فيزيائية تتأخر بمقدار ست ساعات. وذكرت Google أن هذا التأخير قد يسبب تحيزًا للمتغيرات سريعة التغير مثل الأمطار ودرجة حرارة السطح. أما WeatherNext 3 فيستقبل بدلاً من ذلك موزاييكًا من بيانات الساتل الجيوستاتيكي العالمي الحي، مما يمنحه رؤية مستمرة للغلاف الجوي ويسمح بتوقع جديد كل ساعة، يستند إلى أحدث الملاحظات الساتلية المتاحة.

تشير الورقة إلى أن الموزاييك الساتلي يغطي 11 قناة بدقة 0.1 درجة مع تأخير تشغيلي يقارب الساعة الواحدة. كما يدرب WeatherNext 3 مباشرةً على ملاحظات محطات الطقس المتناثرة، جامعًا ثلاث مجموعات بيانات سطحية — محطات METAR بالمطارات، وشبكات Mesonet الإقليمية، وقياسات ICOADS للسفن والعوامات — منذ عام 2001. وتفيد الورقة أن هذا الجزء الخاص بالمحطات يتنبأ بدرجة حرارة 2 متر ودرجة الندى في أي موقع وزمان، معتمدًا على الخصائص الجغرافية المحلية مثل الارتفاع.

فيما يتعلق بهطول الأمطار، يُدرب النموذج على مصدرين: منتج IMERG التابع لـ NASA المستند إلى أقمار صناعية متعددّة للـ GPM، وإعادة تحليل الأمطار العالمية الخاصة بالفريق، المسماة PARDIG، والتي تصفها الورقة بأنها تقدير تجريبي ينتج عن نموذج ذكاء اصطناعي منفصل تم تدريبه لتوقع بيانات رادار فضائية متناثرة من مرصد GPM الأساسي.

كما يقدم WeatherNext 3 توقعات موجهة لإنتاج الطاقة المتجددة. وذكرت Google أن النموذج يتنبأ بسرعات الرياح على ارتفاع 100 متر، أي تقريبًا ارتفاع التوربينات، لإنتاج طاقة الرياح، إلى جانب تغطية سحابية عالية الدقة ومستويات إشعاع شمسي لمساعدة مزارع الطاقة الشمسية على تقدير ضوء الشمس على مستوى الأرض.

نتائج التقييم المبلغ عنها

في توقعات هطول الأمطار العالمية المتوسطة المدى، أفادت Google بتحسينات في مقياس CRPS تصل إلى 60٪ مقارنةً بـ IMERG، و30٪ للمنتج الراداري MRMS، و10٪ مقارنةً بقياسات مقياس المطر لأوقات التنبؤ المبكرة. وتضيف الورقة أنه في تقييمات ضد محطات الطقس التي تُستبعد من التدريب، يحسن الجزء المتعلق بالمحطات مقياس CRPS لدرجة حرارة 2 متر بما يصل إلى 30٪ مقارنةً بـ WeatherNext 2 و40٪ مقارنةً بنظام ECMWF ENS في أوقات التنبؤ القصيرة.

تصف الورقة أيضًا تقييمًا شبه فوريًا على مدى ستة أسابيع من 1 يوليو إلى 11 أغسطس 2026، باستخدام تدفقات البيانات التشغيلية. في ذلك التقييم، أفاد المؤلفون أن WeatherNext 3 تفوق على AIFS ENS v2 الخاص بـ ECMWF في جميع المتغيرات العليا، مع تحسين متوسط يقارب 10٪ في الأسبوع الأول من التوقع، وأظهر تحسينات صغيرة ولكن مستمرة مقارنةً بـ WeatherNext 2 في متوسط مسار الأعاصير المدارية وخطأ الشدة في التوقع الجماعي.

كما توثق الورقة بعض القيود. يشير المؤلفون إلى وجود عيوب مكانية وزمنية مرئية في عينات التوقع الفردية، بما في ذلك أنماط سداسية تعكس بنية شبكة النموذج، وانقطاعات زمنية عبر حدود الست ساعات في بعض أجزاء الخرج، وتح bias عالمي للدفء أو البرودة لكل عضو في جزء المحطة. ويذكرون أن الإحصاءات الحدية مثل كميات التوزيع الجماعي خالية إلى حد كبير من العيوب باستثناء القارة القطبية الجنوبية، حيث تكون بيانات المحطات قليلة.

التوافر عبر منتجات Google

يبدأ WeatherNext 3 في توفير تجارب الطقس في بحث Google، وتطبيق Gemini، وGoogle Maps، وواجهة برمجة تطبيقات الطقس لمنصة Google Maps، وGoogle Earth Engine اعتبارًا من 3 سبتمبر 2026. وذكرت Google أنه عندما يخطط الأشخاص ليوم أو أكثر مسبقًا، سيلاحظون توقعات هطول أمطار أكثر دقة بنسبة تصل إلى 50٪، مع أكبر التحسينات في المناطق التي كانت توقعاتها تاريخيًا أقل موثوقية.

يمكن للباحثين والمطورين والشركات الاستعلام عن البيانات في BigQuery وEarth Engine أو تنزيلها دفعةً من Google Cloud Storage بصيغة Zarr. تصف وثائق مطوري Google النموذج بأنه يقدم توقعات احتمالية عالمية لمدة 15 يومًا تُبدأ كل ساعة عبر 64 عضوًا جماعيًا، وتُدرج خيار استنتاج مخصص على Google Cloud يتيح للعملاء توليد توقعات مخصصة على مسرعات مخصصة مع التحكم في حجم المجموعة وأفق التوقعات. يمكن أيضًا مشاهدة التوقعات في الوقت الفعلي عبر Weather Lab، موقع التصور التفاعلي لـ Google DeepMind.

تحمل إعلانات Google إخلاءً مسؤولية يفيد بأن WeatherNext هو نظام ذكاء اصطناعي آلي وتجريبي، ويجب على المستخدمين الرجوع إلى الوكالات الأرصاد المحلية أو الخدمات الوطنية للطقس للحصول على توقعات رسمية، وتحذيرات طقس شديد، وإرشادات السلامة العامة.