Google DeepMind giới thiệu mô hình AI WeatherNext 2 để dự báo thời tiết toàn cầu chính xác

Google DeepMind , bộ phận AI của Google, đã giới thiệu WeatherNext 2, hệ thống tiên tiến nhất hiện nay để tạo ra các dự báo thời tiết toàn cầu với độ chính xác và độ phân giải cao hơn.

WeatherNext 2 có thể đưa ra dự báo nhanh hơn gấp tám lần, với độ phân giải thời gian chính xác đến một giờ, nhờ một mô hình mới có khả năng tạo ra hàng trăm kịch bản tiềm năng. Phương pháp này đã được sử dụng để hỗ trợ các cơ quan khí tượng trong việc ra quyết định, bao gồm cả dự báo bão thử nghiệm.

Hệ thống hiện đang được cung cấp cho người dùng, với dữ liệu dự báo có sẵn thông qua Google Earth Engine và BigQuery. Ngoài ra, một chương trình truy cập sớm đã được triển khai trên nền tảng Vertex AI của Google Cloud để cho phép suy luận mô hình tùy chỉnh.

Việc tích hợp công nghệ WeatherNext đã cải thiện khả năng dự báo thời tiết trên Google Search, Gemini, Pixel Weather và Google Maps Platform Weather API, và trong những tuần tới, công nghệ này cũng sẽ hỗ trợ thông tin thời tiết trong bản đồ Google .

WeatherNext 2 giới thiệu mạng lưới tạo chức năng hỗ trợ AI để dự báo thời tiết tốt hơn

Dự báo thời tiết chính xác đòi hỏi phải nắm bắt đầy đủ các kết quả có thể xảy ra, bao gồm cả các kịch bản cực đoan quan trọng cho việc lập kế hoạch. WeatherNext 2 có khả năng tạo ra hàng trăm kết quả thời tiết tiềm năng từ một điều kiện ban đầu duy nhất, với mỗi dự đoán mất chưa đến một phút trên một TPU duy nhất — một thao tác sẽ mất hàng giờ nếu sử dụng các mô hình siêu máy tính dựa trên vật lý truyền thống.

Hệ thống cung cấp dự báo chính xác, độ phân giải cao đến từng giờ, vượt trội hơn mô hình WeatherNext trước đây về 99.9% các biến số, bao gồm nhiệt độ, gió và độ ẩm, trong khoảng thời gian từ 0 đến 15 ngày. Điều này cho phép dự báo chính xác và khả thi hơn.

Hiệu suất được nâng cao đạt được thông qua một mô hình AI phương pháp được gọi là Mạng tạo chức năng (FGN), đưa 'nhiễu' được kiểm soát trực tiếp vào kiến ​​trúc mô hình, đảm bảo rằng các dự báo vẫn thực tế về mặt vật lý và nhất quán nội bộ.

Phương pháp này đặc biệt hiệu quả trong việc dự đoán cả "biên" - các yếu tố thời tiết riêng lẻ như nhiệt độ tại một địa điểm, tốc độ gió ở một độ cao nhất định hoặc độ ẩm - và "khớp", là những hệ thống phức tạp, có liên kết với nhau, phụ thuộc vào mối quan hệ giữa các yếu tố riêng lẻ này. Mặc dù mô hình chỉ được huấn luyện trên các biên, nó có thể suy ra chính xác các khớp, cho phép dự báo các mô hình quy mô lớn, chẳng hạn như các khu vực đang trải qua nhiệt độ cực cao hoặc sản lượng điện dự kiến ​​của toàn bộ một trang trại gió.

Với WeatherNext 2, nghiên cứu tiên tiến đang được áp dụng vào dự báo thời tiết thực tế, có tác động cao. Các nỗ lực tiếp tục được cải tiến và nâng cao công nghệ, đồng thời giúp cộng đồng toàn cầu dễ dàng tiếp cận các công cụ mới nhất.

Công việc trong tương lai bao gồm việc khám phá các nguồn dữ liệu bổ sung và mở rộng khả năng tiếp cận để tiếp cận nhiều người dùng hơn. Bằng cách cung cấp các công cụ mạnh mẽ và dữ liệu mở, sáng kiến ​​này hướng đến mục tiêu hỗ trợ khám phá khoa học và cho phép các nhà nghiên cứu, nhà phát triển và tổ chức trên toàn thế giới đưa ra quyết định sáng suốt về những thách thức phức tạp và thúc đẩy đổi mới sáng tạo cho tương lai.