Google DeepMind и Google Research представили WeatherNext 3 — третье поколение своей модели прогнозирования погоды. Главное отличие от прошлых версий в том, что нейросеть научили использовать спутниковые снимки в реальном времени, а не только данные с метеостанций и численных моделей.

По заявлению разработчиков, это позволяет получать прогноз с более высоким разрешением и точнее отслеживать быстро меняющиеся явления — грозы, ливни, шквалы. Особый упор в анонсе сделан на осадки: модель должна заметно лучше предсказывать, где и когда пойдёт дождь или снег, и с какой интенсивностью.

До сих пор классические прогнозы строились на основе численных моделей атмосферы, которые требуют огромных вычислительных мощностей и обновляются с задержкой. Подход Google сочетает физические модели с машинным обучением: нейросеть обучают на исторических данных, а затем «подкармливают» свежими спутниковыми наблюдениями, чтобы корректировать прогноз на ближайшие часы. Такой гибридный метод уже несколько лет развивают и другие исследовательские группы, но Google делает ставку на масштаб и доступность.

WeatherNext 3 доступен через платформу Google Cloud в составе пакета Earth Engine и через API для разработчиков. Часть компонентов модели и документация опубликованы в открытом доступе, чтобы метеорологи и исследователи могли проверять результаты и адаптировать модель под региональные задачи. В компании подчёркивают, что система не заменяет национальные метеослужбы, а служит дополнительным инструментом — особенно там, где наземных станций мало.

Для обычного пользователя это пока не означает появления отдельного приложения: модель работает в инфраструктуре Google и встроена в сервисы для бизнеса, энергетиков, логистики и сельского хозяйства. Однако технологию уже тестируют национальные метеослужбы и научные группы — в первую очередь ради краткосрочных прогнозов «на сейчас» и предупреждений о стихиях, где каждая минута и каждый километр сетки имеют значение.

Вместе с моделью Google опубликовала оценки её работы на стандартных метеорологических тестах. Согласно этим данным, WeatherNext 3 обходит предыдущее поколение и ряд открытых аналогов по точности прогноза температуры, давления, ветра и осадков на горизонте до нескольких суток. Независимая проверка этих цифр ещё предстоит — рецензируемых публикаций по новой версии пока немного.

Развитие таких моделей идёт в общем русле: всё больше прогнозов собирают не из одного источника, а из десятков — спутники, радары, метеозонды, датчики на самолётах. Задача ИИ — быстро сводить эти потоки вместе и выдавать результат быстрее классических суперкомпьютеров. Удастся ли Google удержать лидерство в этой гонке, покажут ближайшие сезоны ураганов и муссонов, на которые традиционно приходится пик спроса на точные краткосрочные прогнозы.