Google WeatherNext 3 donosi prognozu vremena na 5 kilometara
Google DeepMind i Google Research predstavili su WeatherNext 3, model veštačke inteligencije za vremensku prognozu koji, prema rezultatima na alatu Operational WeatherBench, nadmašuje vodeće AI modele i tradicionalne prognoze američke National Weather Service i Evropskog centra za srednjoročne vremenske prognoze (ECMWF). Model daje prognoze ključnih varijabli, poput temperature, brzine vetra i vlažnosti, u rezoluciji do 5 kilometara i na svakih sat vremena.
Google planira da rezultate WeatherNext 3 koristi u informacijama koje korisnici dobijaju kroz Google Search, Google Maps i Gemini. Model će istovremeno biti dostupan korisnicima i istraživačima na cloud platformama kompanije.
Preciznija kiša i češće ažuriranje
WeatherNext 3 predstavlja nastavak primene dubokog učenja u meteorologiji. Klasični sistemi oslanjaju se na superračunare koji računaju fizičke jednačine atmosfere. Takvi sistemi postali su veoma precizni, ali su skupi i sporiji od modela koji obrasce uče iz velikih skupova meteoroloških podataka.
U odnosu na WeatherNext 2, novi model ima 2,4 puta više parametara. Google navodi i da su njegove evaluacije padavina poboljšane za 60 odsto. Umesto uobičajenih prognoza u intervalima od šest sati, sistem sada može da isporučuje prognoze po satu.
Dizajn modela prilagođen je i konkretnim meteorološkim stanicama. Pored detaljnijih lokalnih procena, to omogućava poređenje izlaza modela sa stvarnim merenjima na terenu, kao što su podaci stanice na aerodromu. Raniji rad DeepMind-a već je obuhvatio i prikaz putanja ciklona, uz standardne vrednosti na trodimenzionalnoj mreži.
Satelitska opažanja i ograničenja podataka
Češće prognoze omogućava unos satelitskih podataka prikupljenih u realnom vremenu, na svakih sat vremena. Google WeatherNext 3 opisuje kao prvi AI model koji neposredno uključuje sirova opažanja za globalnu prognozu visoke rezolucije. Kompanija WindBorne, međutim, navodi da njen WeatherMesh 6 od kraja 2025. koristi sirova opažanja iz flote meteoroloških balona i drugih izvora, dok Google ističe veću globalnu rezoluciju svojih prognoza.
Oba pristupa i dalje se oslanjaju na nacionalne meteorološke skupove podataka, pa potpuna direktna asimilacija podataka ostaje otvoren tehnički zadatak. Evropske i američke meteorološke agencije već koriste AI modele u svojim prognozama, a brzina i niži troškovi mogu olakšati dostupnost kvalitetnijih predviđanja u regionima sa ograničenim pristupom senzorima i superračunarima.
Poslovna vrednost vremenske preciznosti
Detaljnije procene vetra, kiše i oblačnosti relevantne su za pouzdanije planiranje projekata obnovljive energije, dok bolje prognoze mogu doprineti i poljoprivrednim prinosima. Za poslovanje je praktičan zaključak da vremenske podatke sve više treba posmatrati kao operativni ulaz za planiranje logistike, terenskog rada i energetskih kapaciteta, uz proveru njihove primenljivosti na konkretnoj lokaciji.