Google DeepMind julkisti uuden tekoälyn säämallin, WeatherNext 2:n, 17. marraskuuta, mikä merkitsee merkittävää harppausta globaalissa ennustamisessa.
Järjestelmä käyttää uutta menetelmää nimeltä FGN (Functional Generative Network) luodakseen ennusteita kahdeksan kertaa nopeammin ja yksityiskohtaisemmin kuin edeltäjänsä. Läpimurto parantaa monimutkaisten tapahtumien, kuten hurrikaanien, ennusteita luomalla satoja mahdollisia skenaarioita minuuteissa.
Google tarjoaa nyt pääsyn mallin tietoihin pilvialustojensa kautta. Tällä toimenpiteellä pyritään nopeuttamaan tutkimusta ja parantamaan yleistä turvallisuutta, kun tekoälystä tulee yhä keskeisempi säätieteen kannalta, vaikka julkiset tietolähteet kohtaavatkin epävarmuutta.
<-Official.jpg">New2 More.c> Tarkat ennusteet
WeatherNext 2:n ytimessä on uusi arkkitehtuuri, joka on kuvattu äskettäisessä tutkimuksessa. Toisin kuin edeltäjänsä GenCast, joka käytti diffuusiopohjaista lähestymistapaa, WeatherNext 2 on rakennettu ns. Functional Generative Networkille.
Tämä FGN-menetelmä ruiskuttaa huolellisesti jäsenneltyä”kohinaa”suoraan mallin parametreihin. Sen avulla järjestelmä voi luoda suuren joukon fyysisesti realistisia ja yhtenäisiä sääskenaarioita yhdestä lähtökohdasta.
Jokainen ennuste kestää alle minuutin yhdellä TPU:lla, mikä vaatisi tunteja perinteisellä supertietokoneella.
Tämän tehokkuuden kustannuksella ei ole tarkkuutta. Googlen arvioiden mukaan WeatherNext 2 ylittää edellisen huippuluokan GenCastin 99,9 prosentilla kaikista muuttujista ja ennustetuista läpimenoajoista. Uusi malli osoittaa keskimääräisen 6,5 prosentin tarkkuuden parantuneena jatkuvalla rankaisevalla todennäköisyydellä (CRPS) mitattuna, joka on keskeinen todennäköisyysennusteiden mittari.
Se tarjoaa myös korkeamman ajallisen resoluution, ennusteet ovat saatavilla 6 tunnin välein ja kokeellisia ominaisuuksia 1 tunnin välein, dataa tarkempina vaiheina päätöksentekijöille. href=”https://developers.google.com/weathernext/guides/models”target=”_blank”>virallinen mallidokumentaatio.
FGN-lähestymistapa on erityisen tehokas mallintamaan sekä yksittäisiä sääelementtejä (“marginaalit”) että niiden monimutkaisia vuorovaikutuksia (“liitokset”). Harjoittelemalla vain yksittäisiä datapisteitä, kuten lämpötilaa tai tuulen nopeutta, malli oppii taustalla olevan fysiikan ennustaakseen laajamittaisia järjestelmiä, kuten ilmakehän jokia ja sykloneja.
Google huomauttaa kuitenkin, että mallilla on joitain rajoituksia, mukaan lukien mahdollisuus pienten visuaalisten”hunajakennojen”esiintymiseen tiettyjen muuttujien ennusteissa, kuten mallissa käyttötapausten ja rajoitusten yleiskatsaus.
[upotettu sisältö]
Tutkimuslaboratoriosta julkisiin alustoihin ja kumppanitoimistoihin
Aiempien läpimurtojensa pohjalta Google on siirtynyt todelliseen säätutkimukseen tai selkeään strategiaansa. WeatherNext 2:n ennustetiedot ovat nyt tutkijoiden ja kehittäjien saatavilla Googlen Earth Engine-ja BigQuery-alustojen kautta.
Lisäksi Google Cloudin Vertex AI:n uusi ennakkokäyttöohjelma antaa organisaatioille mahdollisuuden luoda omia mukautettuja ennusteitaan mallin avulla.
Tämä aloite jatkaa laajempaa Big Techin meteorologian kasvavaa suuntausta. Yritykset, kuten Microsoft, Nvidia ja IBM, ovat kaikki kehittäneet omia edistyneitä ennustejärjestelmiään, kuten Microsoftin Aardvark Weatherin ja NASA/IBM Prithvi WxC-mallin.
Kuten Kirstine Dale, Met Officen tekoälypäällikkö, huomautti yleisestä trendistä:”Näemme todellisen askelmuutoksen mahdollisuuden… kun aloitamme jollain tapaa käyttää ennusteitamme.”
Googlen strategiaan kuuluu myös suora yhteistyö tärkeimpien valtion virastojen kanssa. U.S. National Hurricane Center (NHC) on merkittävässä kumppanuudessa integroinut kokeellisen Googlen tekoälymallin toiminnalliseen työnkulkuunsa vuoden 2025 hurrikaanikaudelle.
Tämä yhteistyö on ensimmäinen liittovaltion virastolle, ja se tuo tekoälyn luoman opastuksen kokeneiden ihmisten ennustajien eteen ja yhdistää koneen nopeuden parantamaan myrskyjen asiantuntemusta.
Uhhaava kriisi: tekoälyn riippuvuus uhanalaisesta julkisesta datasta
Samalla kun teknologinen kehitys kiihtyy, koko alaa uhkaa perustavanlaatuinen uhka. Tekoälyn säämallit, kuten WeatherNext 2, on koulutettu vuosikymmenten historiallisiin tietoihin, joista suuri osa on peräisin julkisista arkistoista, joita hallinnoivat virastot, kuten Yhdysvaltain kansallinen valtameri-ja ilmakehävirasto (NOAA).
Nämä tärkeät tietolähteet ovat nyt vaarassa ehdotettujen budjettileikkausten ja vakavan henkilöstöpulan vuoksi.
Tilanteesta tuli niin kriittinen, että Weather Servicen (National Servicen viiden entisen johtajan) WW:n johtaja on antanut varoituksen. mahdollisista seurauksista.
“Pahin painajaisemme on, että sääennustetoimistoissa on niin vähän henkilökuntaa, että ihmishenkiä menetetään tarpeettomasti”, he kirjoittivat. Vuoden 2025 alusta lähtien NWS on menettänyt yli 550 työntekijää, minkä vuoksi joissakin ennustetoimistoissa on kriittisesti alihenkilöstöä hurrikaanikauden alkaessa.
Yksi entinen NHC:n päällikkö kuvaili pyrkimyksiä täyttää avoimia työpaikkoja pelkkänä”Titanicin kansituolien sekoittamisena”, lisäten:”Täytät kriisin luomalla aukon jonnekin, etkä mene muualle.”
tiedeyhteisön huomaamatta. Cambridgen yliopiston professori Richard Turner ilmaisi huolensa toteamalla:”Yhteisö ei ole – mielestäni yllättäen – vielä herännyt tähän vaaraan… Minusta leikkaukset ovat erittäin vaarallisia aikana, jolloin ilmasto todella muuttuu.”
Vaikka kongressin viimeaikaiset toimet ovat taantuneet kaikkein ankarimmille budjettileikkauksille, mikä on tuonut jonkin verran helpotusta, näiden julkisten tietojen pitkän aikavälin vakaus on säilynyt. jyrkkä: kun yksityisen sään tekoälyn innovaatiot saavuttavat uusia korkeuksia, sen menestys riippuu julkisesta tietoinfrastruktuurista, joka taistelee selviytymisensä puolesta.
Googlen ja NHC:n uusi kumppanuus korostaa tekoälyn valtavaa potentiaalia pelastaa ihmishenkiä, mutta se osoittaa myös kiireellisen tarpeen suojella avointa dataa, joka mahdollistaa tällaisen edistyksen, mikä on keskeinen teema meneillään olevassa tekoälyvallankumouksessa.
