Googleov WeatherNext 2 daje 15-dnevnu prognozu vremena u nekoliko minuta
Googleova umjetna inteligencija podiže ljestvicu u prognoziranju vremena, njihov novi model nudi višestruke scenarije meteoroloških podataka s rezolucijom do jednog sata i uz neviđenu brzinu
Umjetna inteligencija značajno je unaprijedila mogućnosti u prognoziranju vremena posljednjih godina, pa smo već vidjeli nekoliko njezinih primjena u meteorologiji. S najnovijom objavom koja dolazi iz Googleovih odjela DeepMind i Google Research prognoziranje vremena bit će podignuto na novu, još višu, razinu. Oni su ovoga tjedna predstavili WeatherNext 2, svoj najnapredniji i najučinkovitiji meteorološki model za izradu prognoza.
On omogućava generiranje prognoza čak osam puta brže nego do sada, s rezolucijom do jednog sata. Temelj za takvo poboljšanje je novi AI model koji može pružiti stotine mogućih scenarija razvoja vremenskih prilika. Tehnologiju je Google već primijenio kao podršku meteorološkim agencijama u donošenju odluka, osobito kroz eksperimentalna predviđanja ciklona, koja se temelje na nizu scenarija.
Poboljšane performanse
WeatherNext 2 može predvidjeti stotine mogućih vremenskih ishoda polazeći od jedne početne točke. Svako predviđanje traje manje od minute na jednom TPU-u (Tensor Processing Unit). Takav bi zadatak inače zahtijevao sate na superračunalu, koristeći klasične modele temeljene na fizici.
Podaci prognoze iz WeatherNext 2 modela dostupni su putem platformi Earth Engine i BigQuery. Također, pokrenut je i program ranog pristupa putem Google Cloud platforme Vertex AI. Uključivanjem WeatherNext tehnologije, Google je već nadogradio vremenske prognoze u svojoj tražilici, AI sustavu Geminiji, aplikaciji Pixel Weather i servisu Weather API unutar Google Mapsa. U sljedećim tjednima, ova će tehnologija biti primijenjena i za podatke o vremenu integrirane u servisu Google Maps za krajnje korisnike.
Novi pristup modeliranju
Poboljšana izvedba omogućena je novim pristupom AI modeliranja nazvanim Funkcionalna generativna mreža (FGN). Ova tehnika unosi "šum" izravno u arhitekturu modela, čime se osigurava da generirane prognoze ostanu fizički realistične i međusobno povezane. Model je treniran isključivo na podacima s pojedinih lokacija, no u stanju je na temelju njih zaključivati i stvarati kompleksnije slike vremenskih sustava na širim područjima.
Ukupno gledano, model WeatherNext 2 nadmašuje prethodni WeatherNext u 99,9% varijabli (poput temperature, vjetra, relativne vlažnosti) i vremenskih intervala (od 0 do 15 dana), omogućujući korisnije i preciznije prognoze. U planu je daljnje istraživanje, uključujući integraciju novih izvora podataka i širenje dostupnosti modela.
