Google DeepMind เปิดตัว WeatherNext 3 พร้อมการพยากรณ์รายชั่วโมงที่ความละเอียด 5 กิโลเมตร

Google DeepMind และ Google Research เมื่อวันที่ 3 กันยายน 2026 เปิดตัว WeatherNext 3 โมเดลพยากรณ์อากาศ AI ระดับโลกที่สร้างการพยากรณ์รายชั่วโมงด้วยความละเอียดสูงสุด 5 กิโลเมตร และกำลังถูกผสานเข้ากับ Google Search, แอป Gemini, Google Maps, Google Maps Platform Weather API และ Google Earth Engine.

ทีมงานอธิบายว่า WeatherNext 3 เป็นโมเดลอากาศระดับโลกที่ก้าวหน้าที่สุดและแม่นยำที่สุดของพวกเขาจนถึงปัจจุบัน โดยอ้างอิงถึง การประเมินผลแบบสด จาก Brightband เอกสารทางเทคนิค เอกสารทางเทคนิค ที่เขียนโดยนักวิจัยจาก Google DeepMind, Google Research และ Google มาพร้อมกับการเปิดตัวและระบุว่าโมเดลนี้กำลังทำงานในเชิงปฏิบัติการ.

การพยากรณ์รายชั่วโมงที่ความละเอียดสูงขึ้น

WeatherNext 3 สร้างการพยากรณ์รายชั่วโมงในหลายความละเอียดเชิงพื้นที่ ตัวแปรพื้นผิวสำคัญเช่นอุณหภูมิและความชื้นถูกสร้างที่ความละเอียด 5 กิโลเมตร ตัวแปรพื้นผิวอื่นที่ความละเอียด 10 กิโลเมตร และตัวแปรบรรยากาศเช่นความเร็วลมที่ความละเอียด 25 กิโลเมตร Google กล่าวว่าผลลัพธ์นี้ทำให้ภาพอากาศระดับโลกคมชัดประมาณห้าครั้งกว่าโมเดลก่อนหน้า WeatherNext 2 ซึ่งให้การพยากรณ์บนตาราง 25 กิโลเมตรในช่วงหกชั่วโมงต่อครั้ง.

ตามเอกสาร WeatherNext 3 พัฒนาต่อยอดจากแนวทาง Functional Generative Network ที่เป็นพื้นฐานของ WeatherNext 2 และสร้างการพยากรณ์แบบชุด 64 สมาชิก สำหรับระยะเวลา 15 วัน โดยฝึกฝนเพื่อให้คะแนน Continuous Ranked Probability Score (CRPS) ต่ำที่สุด ซึ่งเป็นมาตรฐานวัดทักษะการพยากรณ์แบบความน่าจะเป็น โมเดลเพิ่มขนาด latent จาก 768 เป็น 1024 และความลึกของ mesh transformer จาก 24 เป็น 32 ชั้นเมื่อเทียบกับ WeatherNext 2 และเวอร์ชันการผลิตได้รับการฝึกด้วยข้อมูลจนถึงวันที่ 30 มิถุนายน 2026 ระบบรับข้อมูลโมเสกดาวเทียมเชิงตำแหน่งที่อัปเดตต่อเนื่องทุกชั่วโมงพร้อมกับการวิเคราะห์เชิงประวัติศาสตร์แบบดั้งเดิม ส่งต่อไปยัง mesh transformer ตัวเดียวที่ผลิตฟิลด์กริดหนาแน่น เส้นทางพายุไซโคลนแบบแยกส่วน และการพยากรณ์ระดับสถานี.

ฝึกด้วยข้อมูลดิบ

โมเดลอากาศ AI ส่วนใหญ่ รวมถึง WeatherNext 2 ถูกฝึกด้วยข้อมูลจากโมเดลการพยากรณ์อากาศเชิงตัวเลข ซึ่งเป็นการจำลองฟิสิกส์ที่มีความล่าช้าข้อมูลหกชั่วโมง Google ระบุว่าความล่าช้านี้อาจทำให้เกิดอคติในตัวแปรที่เปลี่ยนแปลงเร็วเช่นฝนและอุณหภูมิพื้นผิว WeatherNext 3 แทนที่จะใช้ข้อมูลดังกล่าว จะรับโมเสกข้อมูลดาวเทียมเชิงตำแหน่งทั่วโลกแบบสด ทำให้มีมุมมองบรรยากาศที่อัปเดตอย่างต่อเนื่องและสามารถให้การพยากรณ์ใหม่ทุกชั่วโมง โดยอิงจากการสังเกตดาวเทียมล่าสุดที่มีอยู่

เอกสารระบุว่าโมเสกดาวเทียมครอบคลุม 11 ช่องสัญญาณที่ความละเอียด 0.1 องศา พร้อมความล่าช้าในการปฏิบัติเกือบหนึ่งชั่วโมง WeatherNext 3 ยังฝึกโดยตรงกับการสังเกตจากสถานีอากาศที่กระจัดกระจาย โดยรวมชุดข้อมูลพื้นผิวสามชุด — สถานีสนามบิน METAR, เครือข่าย Mesonet ระดับภูมิภาค, และการวัดจากเรือและบอยของ ICOADS — ตั้งแต่ปี 2001 เอกสารรายงานว่าหัวออกผลจากสถานีนี้ทำนายอุณหภูมิและจุดน้ำค้างที่ระดับ 2 เมตรในตำแหน่งและเวลาใดก็ได้ โดยอิงจากคุณลักษณะภูมิศาสตร์ท้องถิ่นเช่นความสูงเหนือระดับน้ำทะเล

สำหรับปริมาณฝน โมเดลได้รับการฝึกจากสองแหล่งข้อมูล: ผลิตภัณฑ์ Integrated Multi-satellite Retrievals for GPM (IMERG) ของ NASA ที่ใช้ดาวเทียม และการวิเคราะห์ปริมาณฝนระดับโลกของทีมเองที่เรียกว่า PARDIG ซึ่งเอกสารอธิบายว่าเป็นการประมาณการเชิงทดลองที่สร้างโดยโมเดล AI แยกต่างหากที่ฝึกเพื่อทำนายข้อมูลเรดาร์จากอวกาศที่กระจัดกระจายจากศูนย์สังเกตหลักของ GPM

WeatherNext 3 ยังนำเสนอการพยากรณ์ที่มุ่งเน้นการผลิตพลังงานทดแทน Google ระบุว่าโมเดลพยากรณ์ความเร็วลมที่ระดับ 100 เมตร ซึ่งประมาณความสูงของกังหันลม สำหรับการผลิตพลังงานลม พร้อมกับข้อมูลเมฆคลุมและระดับรังสีสุริยะความละเอียดสูง เพื่อช่วยฟาร์มพลังงานแสงอาทิตย์ประเมินแสงสว่างที่ระดับพื้นดิน

ผลการประเมินที่รายงาน

ในการพยากรณ์ปริมาณฝนระดับโลกระยะกลาง Google รายงานว่าการปรับปรุงค่า CRPS สูงสุดถึง 60 เปอร์เซ็นต์เมื่อเทียบกับ IMERG, 30 เปอร์เซ็นต์สำหรับผลิตภัณฑ์ MRMS ที่อิงเรดาร์, และ 10 เปอร์เซ็นต์เมื่อเทียบกับการวัดจากเครื่องวัดฝนสำหรับช่วงเวลานำหน้าเริ่มต้น เอกสารเพิ่มเติมว่าในการประเมินกับสถานีอากาศที่ไม่ได้ใช้ในการฝึก หัวออกผลจากสถานีทำให้ค่า CRPS ของอุณหภูมิระดับ 2 เมตรดีขึ้นสูงสุด 30 เปอร์เซ็นต์เมื่อเทียบกับ WeatherNext 2 และ 40 เปอร์เซ็นต์เมื่อเทียบกับระบบ ECMWF ENS ในช่วงเวลานำสั้น

เอกสารยังอธิบายการประเมินแบบกึ่งเรียลไทม์ในช่วงหกสัปดาห์ตั้งแต่ 1 กรกฎาคมถึง 11 สิงหาคม 2026 โดยใช้ข้อมูลการปฏิบัติการ ในการประเมินนั้น ผู้เขียนรายงานว่า WeatherNext 3 ทำผลงานดีกว่า AIFS ENS v2 ของ ECMWF ในตัวแปรระดับบนทั้งหมด โดยมีการปรับปรุงเฉลี่ยประมาณ 10 เปอร์เซ็นต์ในสัปดาห์แรกของการพยากรณ์ และแสดงการปรับปรุงเล็กน้อยแต่สม่ำเสมอเมื่อเทียบกับ WeatherNext 2 ในความผิดพลาดของเส้นทางและความแรงของพายุเขตร้อนโดยเฉลี่ยของชุด

เอกสารยังบันทึกข้อจำกัด ผู้เขียนสังเกตเห็นศิลปะการแสดงผลเชิงพื้นที่และเชิงเวลาในตัวอย่างการพยากรณ์แต่ละชุด เช่น รูปแบบหกเหลี่ยมที่สะท้อนโครงสร้างเมชของโมเดล ความต่อเนื่องเชิงเวลาที่ขาดหายระหว่างขอบเขตหกชั่วโมงในหัวออกผลบางส่วน และอคติความร้อนหรือความเย็นทั่วโลกต่อสมาชิกในหัวออกผลจากสถานี พวกเขาระบุว่าค่าสถิติขอบเขตเช่นควอนไทล์ของชุดส่วนใหญ่ปราศจากศิลปะยกเว้นในแอนตาร์กติกา ซึ่งข้อมูลสถานีมีความกระจัดกระจาย

การใช้งานในผลิตภัณฑ์ของ Google

WeatherNext 3 เริ่มให้พลังกับประสบการณ์สภาพอากาศใน Google Search, แอป Gemini, Google Maps, Google Maps Platform Weather API และ Google Earth Engine ตั้งแต่วันที่ 3 กันยายน 2026 Google ระบุว่าเมื่อผู้ใช้วางแผนล่วงหน้าหนึ่งวันหรือมากกว่านั้น พวกเขาจะเห็นการพยากรณ์ปริมาณฝนที่แม่นยำขึ้นถึง 50 เปอร์เซ็นต์ โดยมีการปรับปรุงที่ชัดเจนที่สุดในภูมิภาคที่การพยากรณ์เคยไม่ค่อยเชื่อถือได้

นักวิจัย นักพัฒนา และธุรกิจสามารถ สอบถามข้อมูล ใน BigQuery และ Earth Engine หรือดาวน์โหลดเป็นชุดใหญ่จาก Google Cloud Storage ในรูปแบบ Zarr เอกสารสำหรับนักพัฒนาของ Google อธิบายว่าโมเดลนี้ให้การพยากรณ์แบบความน่าจะเป็นระดับโลก 15 วันที่เริ่มต้นทุกชั่วโมงโดยมีสมาชิกชุด 64 ราย และระบุตัวเลือกการสรุปผลแบบกำหนดเองบน Google Cloud ที่ช่วยให้ลูกค้าสร้างการพยากรณ์ที่ปรับแต่งได้บนเครื่องเร่งประมวลผลเฉพาะ พร้อมการควบคุมขนาดชุดและช่วงเวลาการพยากรณ์ การพยากรณ์เหล่านี้ยังสามารถดูแบบเรียลไทม์ผ่าน Weather Lab เว็บไซต์การแสดงภาพแบบโต้ตอบของ Google DeepMind

ประกาศของ Google มีคำปฏิเสธว่าระบบ WeatherNext เป็นระบบ AI อัตโนมัติและทดลอง และผู้ใช้ควรอ้างอิงหน่วยงานอุตุนิยมวิทยาท้องถิ่นหรือบริการสภาพอากาศแห่งชาติสำหรับการพยากรณ์อย่างเป็นทางการ คำเตือนพายุรุนแรง และคำแนะนำด้านความปลอดภัยสาธารณะ