Google DeepMind zbuloi modelin e tij të ri të motit me AI, WeatherNext 2, më 17 nëntor, duke shënuar një hap të rëndësishëm në parashikimet globale.
Sistemi përdor një metodë të re të quajtur Rrjeti Gjenerues Funksional (FGN) për të krijuar parashikime tetë herë më shpejt dhe me detaje më të mëdha se paraardhësi i tij. Përparimi përmirëson parashikimet për ngjarje komplekse si uraganet duke gjeneruar qindra skenarë të mundshëm në minuta.
Google tani po ofron qasje në të dhënat e modelit përmes platformave të saj cloud. Ky veprim synon të përshpejtojë kërkimin dhe të përmirësojë sigurinë publike ndërsa AI bëhet më qendrore për shkencën e motit, edhe pse burimet publike të të dhënave përballen me pasiguri.
Në qendër të WeatherNext 2 është një arkitekturë e re e detajuar në kërkimet e fundit. Ndryshe nga paraardhësi i tij GenCast, i cili përdorte një qasje të bazuar në difuzion, WeatherNext 2 është ndërtuar mbi një të ashtuquajtur Rrjet Gjenerues Funksional.
Kjo metodë FGN injekton”zhurmë”të strukturuar me kujdes drejtpërdrejt në parametrat e modelit. Ai lejon sistemin të gjenerojë një grup të madh të skenarëve fizikisht realistë dhe koherentë të motit nga një pikënisje e vetme.
Çdo parashikim kërkon më pak se një minutë në një TPU të vetme, një detyrë që do të kërkonte orë të tëra në një superkompjuter tradicional.
Ky efikasitet nuk vjen me koston e saktësisë. Sipas vlerësimet e Google, WeatherNext 2 tejkalon modelin e mëparshëm më të avancuar, GenCast, në 99,9% të të gjitha variablave dhe kohëzgjatjes së parashikimit. Modeli i ri demonstron një përmirësim mesatar prej 6,5% në saktësi, i matur nga Renditja e vazhdueshme e probabilitetit të renditur (CRPS), një metrikë kyçe për parashikimet probabiliste.
Ai gjithashtu ofron rezolucion më të lartë kohor, me parashikime të disponueshme në intervale 6-orëshe dhe aftësi eksperimentale, duke ofruar të dhëna të mëdha në 1 orë. dokumentacioni zyrtar i modelit.
Qasja FGN është veçanërisht efektive në modelimin e elementeve individuale të motit (“margjinalët”) dhe ndërveprimet e tyre komplekse (“nyjet”). Duke u trajnuar vetëm në pikat individuale të të dhënave si temperatura ose shpejtësia e erës, modeli mëson fizikën themelore për të parashikuar sisteme në shkallë të gjerë si lumenjtë atmosferikë dhe ciklonet.
Megjithatë, Google vëren se modeli ka disa kufizime, duke përfshirë potencialin për artefakte të vogla vizuale”huall mjalti”në parashikimet për variabla të caktuara në
[përmbajtje e integruar]
Nga laboratori i kërkimit te platformat publike dhe agjencitë partnere
Ndërtimi mbi strategjinë e tij të mëparshme kërkimore ka lëvizur në përmirësimet e motit të pastra aplikim në botën reale. Të dhënat e parashikimit të WeatherNext 2 tani janë të disponueshme për studiuesit dhe zhvilluesit përmes platformave Google Earth Engine dhe BigQuery.
Për më tepër, një program i ri i aksesit të hershëm në Vertex AI të Google Cloud u lejon organizatave të gjenerojnë parashikimet e tyre të personalizuara duke përdorur modelin.
Kjo iniciativë vazhdon një trend më të gjerë të Biologjisë. Kompanitë si Microsoft, Nvidia dhe IBM kanë zhvilluar të gjitha sistemet e tyre të avancuara të parashikimit, si Aardvark Weather i Microsoft-it dhe modeli Prithvi WxC i NASA/IBM.
Siç vuri në dukje Kirstine Dale, Kryeshefi i AI në Met Office,”Ne shohim potencialin në mënyrën se si ne përdorim disa mënyra të ngjashme për një ndryshim real… kompjuterë.”
Strategjia e Google përfshin gjithashtu bashkëpunimin e drejtpërdrejtë me agjencitë kryesore qeveritare. Në një partneritet historik, Qendra Kombëtare e Uraganeve të SHBA (NHC) ka integruar një model eksperimental të inteligjencës artificiale të Google në fluksin e saj operativ të punës për sezonin e uraganeve 2025.
Ky bashkëpunim, i pari për agjencinë federale, do të vendosë udhëzimet e gjeneruara nga AI përpara parashikuesve ekspertë njerëzorë, për përzierjen e ekspertëve të jetës me shpejtësinë e luftës me makinën njerëzore. stuhitë.
Kriza e afërt: Mbështetja e AI në të dhënat publike të rrezikuara
Ndërsa përparimet teknologjike po përshpejtohen, e gjithë fusha përballet me një kërcënim themelor. Modelet e motit të AI si WeatherNext 2 janë trajnuar mbi dekada të dhënash historike, shumica e tyre nga arkivat publike të menaxhuara nga agjenci si Administrata Kombëtare e Oqeanit dhe Atmosferës së SHBA-së (NOAA).
Këto burime thelbësore të të dhënave tani janë në rrezik për shkak të shkurtimeve të propozuara buxhetore dhe mungesave të rënda të personelit.
situata e ish-drejtorit të Shërbimit Kombëtar të NeAA u bë aq kritike për pesë shtete. (NWS) lëshoi një letër të hapur duke paralajmëruar pasojat e mundshme.
“Makthi ynë më i keq është se zyrat e parashikimit të motit do të kenë aq mungesë të stafit sa do të ketë humbje të panevojshme jetësh,”shkruan ata. Që nga fillimi i vitit 2025, NWS ka humbur mbi 550 punonjës, duke i lënë disa zyra të parashikimit të pa staf në mënyrë kritike, pikërisht kur fillon sezoni i uraganeve.
Një ish-shef i NHC-së i përshkroi përpjekjet për të plotësuar vendet e lira të punës si thjesht”përzierje e shezlloneve në Titanic”, duke shtuar,”Ju krijoni diku një vend tjetër, diku dhe diku”.
Kjo krizë e të dhënave nuk ka kaluar pa u vënë re nga komuniteti shkencor. Profesori i Universitetit të Kembrixhit, Richard Turner, shprehu shqetësimin e tij, duke deklaruar:”Komuniteti nuk është zgjuar-çuditërisht, sipas mendimit tim-ende nga ky rrezik… Unë mendoj se shkurtimet janë shumë të rrezikshme në një kohë kur klima po ndryshon me të vërtetë.”
Megjithëse veprimet e fundit të kongresit kanë shtyrë mbrapsht kundër shkurtimeve më të rënda buxhetore, duke siguruar disa lehtësira afatgjata të këtyre të dhënave publike. i pasigurt.
Paradoksi është i zymtë: ndërsa inovacioni privat në inteligjencën artificiale të motit arrin lartësi të reja, suksesi i tij varet nga një infrastrukturë publike të dhënash që po lufton për mbijetesën e saj.
Partneriteti i ri midis Google dhe NHC nxjerr në pah potencialin e jashtëzakonshëm të AI për të shpëtuar jetë, por tregon gjithashtu nevojën urgjente për të mbrojtur të dhënat e hapura të motit. revolucion.
