Google släpper WeatherNext 3 som uppdaterar väderprognoser varje timme
DeepMinds modell matar in geostationära satellitbilder i realtid i stället för superdatorernas fysiksimuleringar, prognoser blir molntjänst för elnät och handel där ansvaret hamnar på den som väljer vilken uppdatering att lyda
Bilder
Image description
the-decoder.com
WeatherNext 3 uses a five-kilometer grid for surface temperature, picking up mountain ranges and coastlines that blur into blocky shapes in WeatherNext 2's 25-kilometer grid. | Image: Google
Google
For precipitation over the Pacific Northwest, WeatherNext 3 resolves narrow rain bands much more sharply than its predecessor and comes closer to radar observations. | Image: Google
Google
The model ingests geostationary satellite data and traditional analysis data, then produces dense gridded fields for atmosphere and precipitation plus point forecasts for weather stations and cyclone tracks. | Image: Google
Google
Google och DeepMind har släppt WeatherNext 3, ett system för väderprognoser med artificiell intelligens som uppdateras varje timme med direkta observationer från geostationära vädersatelliter i stället för att köra traditionella, fysikbaserade simuleringar, enligt The Decoder. Modellen gör prognoser på ett rutnät med fem kilometers upplösning och används redan i Google Sök, Google Kartor och Gemini.
Skiftet handlar mindre om att ersätta meteorologin som sådan och mer om att ersätta dess långsammaste led: numeriska väderprognoser som kräver superdatorer och därför alltid kommer med en inbyggd eftersläpning. The Decoder skriver att tidigare versioner av WeatherNext lärde sig från resultaten av sådana simuleringar. WeatherNext 3 tar i stället in satellitdata i realtid och räknar fram en ny prognos varje timme, med ambitionen att minska de fel som hinner byggas upp när nederbörd och temperatur förändras snabbare än modellens uppdateringstakt. Google uppger att systemet ger nederbördsprognoser som är upp till 50 procent mer träffsäkra än tidigare versioner, och att olika variabler publiceras med olika upplösning: temperatur och luftfuktighet på fem kilometer, medan vissa atmosfäriska värden är grövre.
De praktiska vinnarna är inte bara privatpersoner som tittar på en väderruta i telefonen. WeatherNext 3 beskrivs som att det tar fram data anpassade för drift av förnybar el: vindhastigheter ungefär i höjd med vindkraftverkens rotor, molnighet och solinstrålning. Sådant används i den dagliga uppgiften att balansera tillgång och efterfrågan i elnätet. Google gör också data sökbar via BigQuery och Earth Engine samt tillgänglig för massnedladdning via Google Cloud Storage. Därmed förvandlas ett arbetssätt som tidigare typiskt låg hos nationella vädertjänster till en molntjänst som kan byggas in i handelsbord, kontrollrum för elnät och instrumentpaneler för logistik.
Den här förpackningen som ”produkt” förändrar också ansvarsfördelningen. En prognos som bygger på en fysikmodell kan granskas med utgångspunkt i ekvationer och randvillkor. En prognos som lärts direkt från observationsströmmar bedöms i stället genom felmått och efterhandsprov. The Decoder noterar att regioner i Latinamerika, Afrika och delar av Asien och Stillahavsområdet kan gynnas mest, delvis eftersom regionala modeller med hög beräkningskapacitet är dyra och vissa områden har varit dåligt betjänade. Men finare rutnät och snabbare uppdateringar höjer också förväntningarna: när prognosen förnyas varje timme blir frågan mindre ”hade modellen fel?” och mer ”vilken uppdatering agerade du på, och varför?”
WeatherNext 3:s resultat matas nu in i samma Google-ytor där människor i allt högre grad behandlar svar från artificiell intelligens som handlingsråd snarare än som uppslagsmaterial. Modellen uppdateras varje timme; besluten den påverkar kan uppdateras ännu snabbare.