WeatherNext 2 от Google DeepMind делает прогноз погоды быстрее суперкомпьютеров

Google DeepMind и Google Research официально представили WeatherNext 2 — обновленную нейросетевую модель для глобального прогнозирования погоды. Она пришла на смену WeatherNext Gen и уже демонстрирует заметный отрыв от классических численных моделей: прогнозы строятся за секунды на одном TPU, тогда как суперкомпьютеры тратят на те же расчеты часы.

Модель рассчитана на оперативные и среднесрочные прогнозы до 15 дней вперед и ориентирована не только на «температуру за окном», но и на оценку рисков, экстремальных событий и последствий для экономики.

Что делает WeatherNext 2 особенной

Разработчики подчёркивают сразу несколько ключевых улучшений по сравнению с предыдущей версией.

Во-первых, WeatherNext 2 работает примерно в восемь раз быстрее. Прогнозы формируются с почасовым разрешением и могут охватывать глобальный масштаб — от локального сценария для конкретного региона до мировой картины атмосферы.

Во-вторых, модель генерирует сотни возможных сценариев развития погоды из одной исходной точки. Для метеорологии это критично: важно не только знать «один лучший прогноз», но и понимать диапазон возможных исходов, вероятность сильных осадков, аномальной жары или срывов ветропроизводства в энергосистеме.

При этом каждая серия прогнозов создаётся менее чем за минуту на одном TPU — специализированном чипе Google для задач машинного обучения. Для сравнения, традиционные физические модели атмосферы требуют массивных суперкомпьютеров и часов вычислений даже для меньшего числа сценариев.

Новая архитектура FGN

В основе WeatherNext 2 лежит архитектура Functional Generative Network (FGN). Это подход, в котором в модель целенаправленно добавляется «шум» — не как помеха, а как способ смоделировать реальную неопределенность атмосферы.

Модель обучается на отдельных погодных переменных: температуре, скорости и направлению ветра, влажности, давлении. Однако во время генерации она умеет собирать их в совместные сценарии:

• выделять зоны повышенного риска жары;
• оценивать ожидаемую выработку электроэнергии на ветровых электростанциях;
• моделировать сложные погодные явления, зависящие сразу от нескольких факторов.

Качество WeatherNext 2 оценивается с помощью метрики Continuous Ranked Probability Score (CRPS), которая подходит именно для вероятностных прогнозов. По данным тестов, новая модель превосходит предшественницу по 99,9% переменных и временных диапазонов вплоть до 15 дней, как по отдельным параметрам, так и по сложным комбинированным сценариям.

Первый численный прогноз погоды для большого региона был выполнен ещё в середине XX века и занимал часы работы крупных вычислительных машин. Сегодня нейросеть строит сотни сценариев за секунды на одном чипе, а результаты доступны прямо в смартфоне.

Отдельное направление — экспериментальные прогнозы тропических циклонов. В сотрудничестве с метеорологическими службами WeatherNext 2 тестируется как инструмент для более ранних и точных предупреждений о потенциально опасных штормах.

Где уже работает WeatherNext 2

Технологии WeatherNext 2 уже встроены в продукты и инфраструктуру Google.

Пользователи сталкиваются с результатами работы модели в привычных сервисах:

• поиск Google — при запросах о погоде;
• Gemini — при построении сценариев и аналитики, где требуется учёт климатической информации;
• приложение Pixel Weather;
• Weather API в Google Maps Platform — для разработчиков, которые встраивают погоду в свои сервисы.

В ближайшее время, по данным команды, эти прогнозы станут основой и для отображения погоды непосредственно в Google Maps. Это важно для пользователей и компаний, которые зависят от погодных условий в логистике, туризме, городской мобильности.

Доступ для исследователей и бизнеса

Google делает ставку не только на собственные продукты, но и на экосистему вокруг WeatherNext 2.

Данные модели доступны через:

• Google Earth Engine — платформу для анализа геоданных;
• BigQuery — облачный аналитический хранилище;
• Google Cloud Vertex AI — для раннего доступа к кастомизированным прогнозам и интеграции в собственные решения.

Это открывает путь для широкого круга приложений: от агробизнеса, который планирует посевы и полив с учетом вероятности засухи, до энергетики, где важно прогнозировать выработку солнечных и ветровых станций, а также риски пикового потребления.

Для научного сообщества это инструмент, позволяющий аккуратно работать с неопределенностью: вместо одного «жёсткого» значения модель выдает целое распределение возможных исходов, что особенно полезно при анализе климатических трендов и редких экстремальных событий.

Погода как часть цифровой инфраструктуры

WeatherNext 2 — пример того, как ИИ становится частью базовой инфраструктуры, не всегда заметной конечному пользователю, но влияющей на множество решений.

Если раньше высокоточный погодный прогноз был в первую очередь инструментом специальных служб и научных институтов, то теперь он постепенно превращается в сервисный уровень для приложений, логистических платформ, страховых компаний, сельского хозяйства и энергетики.

Команда Google DeepMind уже заявляет о планах расширять модель, подключая новые источники данных и улучшая физическую интерпретируемость прогнозов. Задача — не только «накормить» модель большим количеством наблюдений, но и использовать ИИ, чтобы ускорить научные открытия в метеорологии и смежных областях.

По мере развития подобных систем вопрос точного прогноза погоды перестаёт быть исключительно задачей синоптиков и становится общей задачей цифровой экономики — от фермеров и дальнобойщиков до операторов дата-центров и городских служб.