Google внедряет новую модель искусственного интеллекта для прогнозирования погоды
Компания Google представила усовершенствованную модель искусственного интеллекта для прогнозирования погоды, которая будет интегрирована в популярные продукты, включая Поиск, Gemini и телефоны Pixel. По заявлениям компании, новая модель WeatherNext 2 работает в восемь раз быстрее предыдущей версии и обеспечивает более точные прогнозы.
От лаборатории к массовому пользователю
До недавнего времени разработки Google в области прогнозирования погоды с помощью ИИ носили преимущественно экспериментальный характер. Теперь компания переводит технологию в разряд коммерческих продуктов. «Мы выводим её из лаборатории и действительно передаём в руки пользователей более широкими способами, чем раньше, снимая экспериментальный статус, поскольку уверены, что наши прогнозы действительно достаточно эффективны и полезны», — заявил Питер Батталья, старший директор по исследованиям и устойчивому развитию в Google DeepMind.
Технические преимущества ИИ-модели
WeatherNext 2 демонстрирует существенные улучшения по сравнению с традиционными физическими моделями прогнозирования погоды:
- Скорость: генерация прогнозов занимает менее минуты на чипах TPU против нескольких часов у физических моделей
- Точность: улучшена прогнозируемость 99,9% переменных, включая температуру и ветер
- Горизонт прогнозирования: до 15 дней с почасовой детализацией
- Множественность сценариев: модель способна генерировать сотни возможных исходов из одной начальной точки
Функциональные генеративные сети
Ключевым усовершенствованием в WeatherNext 2 стало использование стратегии Functional Generative Network (FGN). В отличие от старых ИИ-моделей, которые требовали многократной обработки для генерации одного прогноза, FGN более эффективна благодаря включению шума — целенаправленной случайности — в модель каждый раз при получении входных данных. Это позволяет WeatherNext 2 генерировать множество различных возможных результатов за один шаг.
Переход от физического моделирования атмосферных процессов к анализу исторических данных через машинное обучение — это фундаментальный сдвиг в метеорологии. Традиционные модели пытаются воспроизвести сложную физику атмосферы, в то время как ИИ-подход ищет закономерности в исторических данных для предсказания будущих исходов. Эффективность такого подхода впечатляет, но возникает вопрос: насколько хорошо модель справляется с экстремальными погодными явлениями, которые редко встречаются в тренировочных данных?
Коммерческое применение
Google видит значительный потенциал новой технологии для бизнес-сегмента. «Мы обнаружили, что энергетика, сельское хозяйство, транспорт, логистика и клиенты во многих других отраслях весьма заинтересованы в почасовых прогнозах. Это помогает им принимать более точные решения относительно вещей, влияющих на их бизнес», — отметил Акиб Уддин, менеджер по продукту в Google Research.
Помимо интеграции в Maps, Search, Gemini и Pixel Weather, Google предлагает программу раннего доступа для клиентов, заинтересованных в кастомизированном моделировании. Данные прогнозов также доступны в Google Earth Engine для геопространственного анализа и BigQuery для анализа больших данных.
Конкурентная среда
Google не одинок в стремлении сделать генеративный ИИ полезным для прогнозирования погоды. Европейский центр среднесрочных прогнозов погоды, Nvidia, Huawei и другие компании также разрабатывают собственные ИИ-модели для метеорологии. Это создаёт здоровую конкурентную среду, которая может ускорить развитие технологии и улучшить качество прогнозов для конечных пользователей.
Источник новости: The Verge
