Google DeepMind и Google Research представили модель WeatherNext 3 для прогнозирования погоды. Она способна предсказывать погоду с разрешением 5 км и выдавать обновления каждый час, что значительно превосходит возможности предыдущих версий. Модель уже показала лучшие результаты среди аналогов на тесте Operational WeatherBench, обойдя разработки Microsoft, Nvidia и Европейского центра среднесрочных прогнозов погоды (ECMWF), а также традиционные прогнозы Национальной метеорологической службы США.
Традиционные прогнозы погоды строятся на суперкомпьютерах, которые решают уравнения физики атмосферы. Эти системы точны, но дороги и медленны. После того как ECMWF в 2018 году открыл более полувека данных, исследователи начали обучать модели глубокого обучения, которые предсказывают погоду быстрее и с сопоставимой точностью. Однако у таких моделей были слабые места: низкое разрешение (15–25 км), проблемы с прогнозом осадков и зависимость от форматированных данных. WeatherNext 3 решает все три задачи.
| Параметр | WeatherNext 2 | WeatherNext 3 |
|---|---|---|
| Разрешение | 15–25 км | 5 км |
| Частота прогнозов | Каждые 6 часов | Каждый час |
| Точность прогноза осадков | Базовая | Улучшена на 60% |
| Число параметров | 1x | 2.4x |
Модель использует в 2,4 раза больше параметров, чем предшественник, и обучена предсказывать показатели для конкретных метеостанций, что повышает точность и позволяет сверяться с реальными данными. Кроме того, WeatherNext 3 способна обрабатывать сырые спутниковые данные в реальном времени, что позволяет обновлять прогнозы ежечасно. Google утверждает, что это первая модель, напрямую использующая такие наблюдения для глобального прогноза, однако стартап WindBorne заявляет, что его модель WeatherMesh 6 делает это с конца 2025 года. В ответ Google отмечает, что их модель работает с более высоким разрешением по всему миру.
Модель на 60% лучше предсказывает осадки по сравнению с WeatherNext 2 и выдает прогнозы каждый час.
Новая модель будет интегрирована в поиск Google, Google Maps и Gemini, а также станет доступна разработчикам через облачные платформы. Это первый случай, когда результаты работы модели будут напрямую питать основные продукты Google, отметил старший инженер Самир Мерчант. Технология обещает сделать точные прогнозы доступными для регионов, где отсутствуют дорогие суперкомпьютеры и сенсоры, что может иметь значительный экономический эффект.
