Моделі та платформи ШІ

Погода Google WeatherNext 2 отримала повний день попередження про циклон, став відкритим джерелом

mm
Опубліковано
Додайте Unite.AI до бажаних джерел у Google

Google опублікував результат дослідження своєї моделі прогнозування погоди WeatherNext AI, в якому заявляє про найвищу точність прогнозування тропічних циклонів та здобуття часу попередження, яке компанія описує як приблизно десятирічний прогрес у галузі метеорології, стиснутий у одну систему. Стаття була опублікована у Nature 6 серпня 2026 року, і Google одночасно робить відкритим джерелом моделі.

Основна цифра – це час попередження. Для циклонів з 2023 по 2025 рік прогнози WeatherNext щодо шляху, інтенсивності та структури вітру мають у середньому на добу або більше часу переваги над провідними операційними моделями – тобто її триденний прогноз відповідає тому, що попередні системи давали за два дні. При прогнозуванні циклонів, де рішення про евакуацію та підготовку залежать від годин, саме ця маржа є тією, що має значення.

Ця робота була результатом співробітництва між Google DeepMind та дослідниками Google Research та оперативними прогнозистами Національного центру спостереження за ураганами, Кооперативного інституту досліджень атмосфери та метеорологічної служби Великої Британії, деякі з яких є співавторами статті.

Що повідомляє стаття у Nature

Стаття представляє WeatherNext Cyclones, модель AI, яка створює ансамблеві прогнози шляху, інтенсивності та розміру тропічного циклону до 15 днів вперед. При оцінці проти провідних операційних систем на бурях з 2023 по 2025 рік вона здобула у середньому 24 години або більше часу попередження за всі три показники: поліпшення, яке автори описують як порівнянне з десятирічним операційним прогресом.

Дані для навчання поєднували глобальний атмосферний аналіз з базою даних IBTrACS майже 5 тисяч історичних бурь. Модель використовує функціональні генеративні мережі для створення розподілів імовірності, а не окремих прогнозів, і масштабується до 1000-членних ансамблів (у двадцять разів більше, ніж 50-членові запуски попередньої системи), які краще відображають рідкісні, але високі за наслідками події, як швидке посилення.

Одна з знахідок виділяється тим, що вона викликає питання. Довгий час висока просторова роздільна здатність вважалася ціною точних прогнозів інтенсивності. WeatherNext Cyclones працює на входах 28х28 кілометрів, що у 100 разів грубіші, ніж традиційні регіональні моделі, а компактна версія WeatherNext 2-mini працює на 111х111 кілометрах і все одно показує хороші результати. Стаття зазначає, що висока роздільна здатність не є суворою передумовою для прогнозування інтенсивності на рівні стану мистецтва, і дослідники зауважують, що вони ще не повністю розуміють, як модель витягує сигнал інтенсивності з грубішої інформації. Вони позначають це як відкрите питання для наукового співтовариства тепер, коли ваги відкриті.

Вже протестовано в операційному сезоні

Оцінка не є чисто ретроспективною. Під час сезону ураганів у Атлантиці 2025 року модель працювала поряд з операційним робочим процесом Національного центру спостереження за ураганами та допомогла прогнозистам передбачити швидке посилення урагану Мелісси та його висадку на Ямайці достатньо заздалегідь, щоб підтримати раннє попередження. Звіт про верифікацію НЦУ 2025 року документує результати прогнозування сезону. Цього року система генерує 1000 можливих сценаріїв на циклон для підтримки процесів прийняття рішень прогнозистами.

Тропічні циклони викликали понад 700 тисяч смертей та 1,4 трильйона доларів економічних втрат за останні 50 років, згідно з цифрами, наведеними у повідомленні DeepMind. Вартість помилки прогнозу вимірюється в обох.

Що випускає Google

Відкрите джерело охоплює три варіанти моделей: WeatherNext Cyclones, версію, яка працювала під час сезону ураганів та результати якої з’явилися у статті; WeatherNext 2, пізнішої оновлення, яке Google впровадила в жовтні 2025 року; та WeatherNext 2-mini, компактну версію, яка працює на одному ТПУ у безкоштовній книзі Colab. Код та ваги для всіх трьох доступні на GitHub.

Прогнози також можна досліджувати на Weather Lab, яку Google розширила від відстеження циклонів до повних глобальних прогнозів, що охоплюють температуру, опади та швидкість вітру. Обидві моделі та Weather Lab розташовані в межах Google Earth AI. Один 15-денний прогноз займає менше хвилини на одному ТПУ. Тепер обмеженням на впровадження є не обчислювальна потужність, а експертиза та інтеграція.

mm

Джонас Рів - аналітик, створений штучним інтелектом, у Unite.AI, який зосереджується на когнітивному штучному інтелекті, штучному загальному інтелекті (AGI) та теоретичних основах машинного інтелекту. Його робота досліджує, як навчання, розуміння, пам'ять та абстракція виникають як у біологічних, так і в штучних системах, проводячи зв'язки між сучасними архітектурами штучного інтелекту та довгостроковими питаннями когнітивної науки та філософії свідомості.
З концептуальним та рефлексивним підходом Джонас вивчає рамки, такі як моделі розуміння, агентні системи, виникнення когніції та теорія вирівнювання, спрямовані на роз'яснення того, що насправді означає прогрес у напрямку AGI - та чого ні. Натомість ніж гнатися за графіками або гіпом, він підкреслює перші принципи, концептуальну строгість та обмеження поточних моделей.
Статті, написані Джонасом Рівом, створені штучним інтелектом та перевірені редакційною командою Unite.AI, щоб забезпечити точність, ясність та відповідальне обговорення передових концепцій штучного інтелекту.