Google DeepMind ujawniło swój nowy model pogody oparty na sztucznej inteligencji, WeatherNext 2, 17 listopada, co stanowi znaczący krok w prognozowaniu globalnym.
System wykorzystuje nowatorską metodę zwaną funkcjonalną siecią generatywną (FGN), aby tworzyć prognozy osiem razy szybciej i z większą szczegółowością niż jego poprzednik. Przełom poprawia prognozy złożonych zdarzeń, takich jak huragany, generując setki możliwych scenariuszy w ciągu kilku minut.
Google zapewnia obecnie dostęp do danych modelu za pośrednictwem swoich platform chmurowych. Posunięcie to ma na celu przyspieszenie badań i poprawę bezpieczeństwa publicznego w miarę, jak sztuczna inteligencja staje się coraz bardziej kluczowa dla nauk o pogodzie, nawet gdy publiczne źródła danych stoją w obliczu niepewności.
Nowa architektura zapewniająca szybsze i dokładniejsze prognozy
Sercem WeatherNext 2 jest nowatorska architektura szczegółowo opisana w niedawnych badaniach. W przeciwieństwie do swojego poprzednika GenCast, który wykorzystywał podejście oparte na dyfuzji, WeatherNext 2 jest zbudowany w oparciu o tak zwaną funkcjonalną sieć generatywną.
Ta metoda FGN wprowadza starannie ustrukturyzowany „szum” bezpośrednio do parametrów modelu. Umożliwia systemowi wygenerowanie dużego zestawu fizycznie realistycznych i spójnych scenariuszy pogodowych z jednego punktu początkowego.
Każda prognoza zajmuje mniej niż minutę na pojedynczym TPU, co wymagałoby godzin na tradycyjnym superkomputerze.
Ta wydajność nie odbywa się kosztem dokładności. Według ocen Google WeatherNext 2 przewyższa poprzedni najnowocześniejszy model GenCast pod względem 99,9% wszystkich zmiennych i prognozowanych czasów realizacji. Nowy model wykazuje średnią poprawę dokładności o 6,5%, mierzoną za pomocą ciągłego rankingu prawdopodobieństwa (CRPS), kluczowego wskaźnika prognoz probabilistycznych.
Zapewnia także wyższą rozdzielczość czasową, z przewidywaniami dostępnymi w odstępach 6-godzinnych i możliwościami eksperymentalnymi w odstępach czasowych 1-godzinnych, zapewniając decydentom bardziej szczegółowe dane, jak opisano szczegółowo w oficjalna dokumentacja modelu.
Podejście FGN jest szczególnie skuteczne w modelowaniu zarówno pojedynczych elementów pogody („marginesy”), jak i ich złożonych interakcji („połączenia”). Ucząc się tylko na pojedynczych punktach danych, takich jak temperatura czy prędkość wiatru, model uczy się podstaw fizyki, aby przewidywać systemy wielkoskalowe, takie jak rzeki atmosferyczne i cyklony.
Google zauważa jednak, że model ma pewne ograniczenia, w tym możliwość występowania drobnych wizualnych artefaktów typu „plaster miodu” w prognozach dla niektórych zmiennych, jak opisano w przegląd przypadków użycia i ograniczeń.
[treść osadzona]
Od laboratorium badawczego do platform publicznych i agencji partnerskich
Opierając się na swoich poprzednich przełomach, Google przedstawił jasną strategię przeniesienia sztucznej inteligencji pogodowej z badań do zastosowań w świecie rzeczywistym. Dane prognozowe WeatherNext 2 są teraz dostępne dla badaczy i programistów za pośrednictwem platform Google Earth Engine i BigQuery.
Co więcej, nowy program wczesnego dostępu w Vertex AI w Google Cloud umożliwia organizacjom generowanie własnych, niestandardowych prognoz przy użyciu modelu.
Ta inicjatywa wpisuje się w szerszy trend rosnącego zaangażowania Big Tech w meteorologię. Firmy takie jak Microsoft, Nvidia i IBM opracowały własne zaawansowane systemy prognozowania, takie jak Aardvark Weather firmy Microsoft i model NASA/IBM Prithvi WxC.
Jak Kirstine Dale, dyrektor ds. sztucznej inteligencji w Met Office, zauważyła ogólny trend: „Widzimy potencjał do rzeczywistej skokowej zmiany… w sposobie prognozowania, który jest pod pewnymi względami podobny do tego, jaki był wtedy, gdy zaczęliśmy korzystać z komputerów”.
Strategia Google obejmuje również bezpośrednią współpracę z kluczowymi agencje rządowe. W ramach przełomowego partnerstwa Amerykańskie Narodowe Centrum ds. Huraganów (NHC) włączyło eksperymentalny model sztucznej inteligencji Google do swojego przepływu pracy operacyjnej na sezon huraganów 2025.
Ta współpraca, pierwsza w przypadku agencji federalnej, umożliwi wytyczne generowane przez sztuczną inteligencję przed ekspertami w dziedzinie prognostów, łącząc szybkość maszyn z ludzką wiedzą, aby ulepszyć ostrzeżenia o zagrażających życiu burzach.
Nadchodzący kryzys: poleganie sztucznej inteligencji na Zagrożone dane publiczne
Podczas gdy postęp technologiczny przyspiesza, cała dziedzina stoi przed fundamentalnym zagrożeniem. Modele pogody oparte na sztucznej inteligencji, takie jak WeatherNext 2, są szkolone na podstawie danych historycznych z kilkudziesięciu lat, w większości pochodzących z archiwów publicznych zarządzanych przez agencje takie jak amerykańska Narodowa Administracja Oceaniczno-Atmosferyczna (NOAA).
Te istotne źródła danych są obecnie zagrożone ze względu na proponowane cięcia budżetowe i poważne niedobory kadrowe.
Sytuacja stała się tak krytyczna, że pięciu byłych dyrektorów Narodowej Służby Meteorologicznej (NWS) NOAA wystosowało list otwarty ostrzegający o potencjalnych konsekwencjach.
„Naszym najgorszym koszmarem jest to, że w biurach prognoz pogody będzie tak mało personelu, że nastąpi niepotrzebna liczba ofiar śmiertelnych” – napisali. Od początku 2025 r. NWS straciła ponad 550 pracowników, przez co w niektórych biurach prognostycznych znajdowały się krytycznie niedobory kadrowe w chwili rozpoczęcia sezonu huraganów.
Jeden z byłych szefów NHC opisał wysiłki mające na celu obsadę wakatów jako zwykłe „przestawianie leżaków na Titanicu” i dodał: „Wypełniasz gdzieś dziurę, a tworzysz ją gdzie indziej”.
Ten kryzys danych nie uszł niezauważony przez społeczność naukową. Profesor Uniwersytetu Cambridge Richard Turner wyraził swoje zaniepokojenie, stwierdzając: „Społeczność – co moim zdaniem zaskakujące – nie obudziła się jeszcze do tego niebezpieczeństwa… Myślę, że cięcia są bardzo niebezpieczne w czasie, gdy klimat naprawdę się zmienia.”
Chociaż ostatnie działania Kongresu odepchnęły najpoważniejsze cięcia budżetowe, przynosząc pewną ulgę, długoterminowa stabilność tych archiwów danych publicznych pozostaje niepewna.
Paradoks jest wyraźny: w miarę jak prywatne innowacje w zakresie sztucznej inteligencji pogodowej osiągają nowe wysokościach jego sukces zależy od infrastruktury danych publicznych, która walczy o przetrwanie.
Nowe partnerstwo między Google a NHC podkreśla ogromny potencjał sztucznej inteligencji w ratowaniu życia, ale pokazuje także pilną potrzebę ochrony otwartych danych, która umożliwia taki postęp, co jest głównym tematem trwającej rewolucji pogodowej AI.
