גוגל משיקה את WeatherNext 3: תחזית מזג אוויר ברזולוציה של 5 ק"מ ועדכונים שעתיים

המודל החדש של גוגל דיפמיינד וגוגל ריסרץ' עוקף את כל המתחרים, כולל מודלים של מיקרוסופט, NVIDIA והמרכז האירופי לתחזיות לטווח בינוני (ECMWF), וגם את התחזיות המסורתיות של השירות המטאורולוגי האמריקאי. לראשונה, משתני הליבה של מודל AI יזינו ישירות את החיפוש, מפות, ג'מיני ופלטפורמות הענן של גוגל.

מה שמאחורי המספרים

לדברי חוקרים ששוחחו עם טקקראנץ', WeatherNext 3 מגיע לרזולוציה של 5 קילומטרים במשתני המפתח, שיפור דרמטי מול 15 עד 25 קילומטרים שאפיינו דור קודם של מודלי AI. הדיוק בגשם השתפר ב-60% לעומת WeatherNext 2, ותדירות התחזית עלתה מפעם בשש שעות לעדכון שוטף מדי שעה. המודל גדול פי 2.4 מקודמו במספר הפרמטרים, ומכוון את ראשי הפענוח (decoder heads) לייצר תשובות שימושיות יותר במקום ממוצעים על רשת תלת־ממדית.

איך זה עובד בפועל

הצעד המשמעותי ביותר הוא אימון המודל לחזות קריאות של תחנות מטאורולוגיות ספציפיות, לא רק שדות מרחביים כלליים. דניאל רוטנברג (Daniel Rothenberg), מדען אטמוספרי בסטארט־אפ ברייטבנד (Brightband) שבנה את כלי ההשוואה Operational WeatherBench, מסביר שהגישה הזו מקרבת את משימת החיזוי לקרקע המציאות: כשהמודל מנבא מה תמדוד תחנת שדה התעופה של דנבר מדי שעה, אפשר להשוות את התחזית לנתון אמת מדוד ולשפר בהתאם.

התמונה הגדולה

תחזיות מסורתיות רצות על מחשבי־על ממשלתיים שפותרים משוואות פיזיקה, תהליך יקר ואיטי יחסית. ב-2018 פרסם ECMWF יותר מחמישים שנות נתונים היסטוריים, ואיפשר לחוקרי למידה עמוקה לאמן מודלים שלומדים תבניות מתוך כמויות מידע עצומות במקום לפתור משוואות. פראן אלט (Ferran Alet), מנהל מחקר בדיפמיינד, מציין שמזג אוויר הוא מערכת כאוטית שבה הבדלים זעירים מתנפחים מהר; למידת מכונה תוקפת את הבעיה האמיתית, פיזיקה רועשת ממידע חלקי וכוח חישוב סופי.

מה הלאה

סאמיר מרצ'נט (Samier Merchant), מהנדס בכיר בגוגל, אומר שזהו השילוב הראשון של משתני ליבה ממודל AI ישירות לתוך מוצרי הליבה של החברה. המודל גם מסוגל לבלוע נתוני לוויין גולמיים בזמן אמת בקצב שעתי, כיוון שמבטיח דיוק גבוה יותר, אך עדיין תלוי בעיבוד המקדים שמבצעות סוכנויות ממשלתיות.