Google навчив ШІ прогнозувати погоду із супутників
WeatherNext 3 від Google Research і DeepMind працює з актуальними супутниковими даними замість метеосимуляцій із шестигодинною затримкою. Щогодини модель формує прогноз температури й вологості на сітці 5 км, інших наземних показників — 10 км, атмосферних — 25 км. Це вп’ятеро детальніше за WeatherNext 2.
Прогноз опадів на день і більше став до 50% точнішим. Модель також оцінює вітер на висоті 100 м, хмарність і сонячне випромінювання для розрахунку генерації ВЕС та СЕС. Вона вже працює в Google Search, Maps і Gemini; дані доступні через BigQuery, Earth Engine та Google Cloud Storage.
Звідки береться точніший прогноз
WeatherNext 3 відмовляється від проміжного шару чисельного прогнозування погоди: попередні моделі, зокрема WeatherNext 2, навчалися на даних NWP, які обчислюють суперкомп’ютери. За поясненням Google, такі симуляції надходять із шестигодинною затримкою, а це додає похибок для мінливих показників — передусім опадів і температури. Нова модель обробляє дані геостаціонарних супутників і щогодини перебудовує прогноз за останніми спостереженнями.
Деталізація залежить від показника: температура й вологість розраховуються на сітці до 5 км, інші наземні змінні — 10 км, атмосферні параметри на кшталт швидкості вітру — 25 км. Для порівняння, WeatherNext 2 працювала із сіткою 25 км та шестигодинними інтервалами. Додаткове навчання на вимірах окремих метеостанцій допомагає враховувати узбережжя, долини й гори, а не згладжувати локальний рельєф.
Що показують оцінки опадів
Опади залишаються складною частиною глобального прогнозування через швидкі хмарні процеси на малих масштабах. Для навчання Google використала два джерела: супутниковий набір NASA IMERG і власний глобальний аналіз опадів на основі супутникового радара.
За метрикою CRPS для середньострокових глобальних прогнозів поліпшення сягає 60% порівняно з IMERG і 30% порівняно з MRMS; на коротких горизонтах — 10% порівняно з даними дощомірів. Для планування на добу й більше Google заявляє до 50% точніший прогноз опадів. Найбільший виграш очікується там, де прогнози раніше були менш надійними, зокрема в Латинській Америці, Африці та Азійсько-Тихоокеанському регіоні, де висока вартість регіональних традиційних моделей обмежувала покриття.
Для кого це має практичне значення
Енергетичний блок моделі орієнтований на прогнозування виробітку відновлюваної генерації. WeatherNext 3 оцінює швидкість вітру на висоті 100 м — приблизно на рівні турбін — для розрахунку продуктивності вітрових електростанцій. Дані про хмарність і сонячне випромінювання дають сонячним установкам змогу оцінювати очікувану генерацію. За твердженням Google, це має допомогти операторам мереж балансувати попит і пропозицію.
Дані оновлюються щогодини. Дослідники, розробники й компанії можуть працювати з ними через такі канали:
- BigQuery та Earth Engine — для запитів до даних;
- Google Cloud Storage — для масового завантаження;
- Google Maps Platform Weather API;
- Search, Gemini, Maps і Earth Engine — сервіси, де модель вже використовується.
WeatherNext 3 не замінює офіційні попередження: для прогнозів, повідомлень про небезпечну погоду та рекомендацій із безпеки Google радить звертатися до національних метеослужб. Вартість доступу джерело не вказує.
Як модель продовжує попередні розробки
WeatherNext 2 представили в листопаді 2025 року. Вона перевершувала перше покоління за 99,9% метеорологічних змінних і часових горизонтів, працювала у вісім разів швидше та обробляла сотні сценаріїв менш ніж за хвилину на одному TPU. Обидва покоління спираються на Functional Generative Network.
У серпні 2026 року DeepMind відкрила за вільною ліцензією WeatherNext 2 і WeatherNext Cyclones. Остання поєднує прогноз траєкторії та інтенсивності тропічних штормів і дивиться приблизно на добу далі за провідні операційні моделі, хоча використовує приблизно у сто разів грубішу сітку. Цій лінійці передував GenCast, випущений наприкінці 2024 року.