A Google DeepMind és a Google Research ma bemutatta a WeatherNext 3 nevű mesterséges intelligencia modellt, amely a vállalat szerint pontosabb, gyakoribb és részletesebb globális időjárás-előrejelzéseket ad. A cég közlése szerint a modell hamarosan bekerül a felhasználók által látott információk közé a Google Searchben, a Google Mapsben és a Gemini szolgáltatásban, továbbá elérhető lesz a Google felhőszolgáltatásain keresztül kutatók és ügyfelek számára.
Mit tud a WeatherNext 3?
A WeatherNext 3 a korábbiaknál sok tekintetben részletesebb előrejelzéseket készít: a főbb változókra vonatkozóan 5 km-es térbeli felbontásra képes, óránként ad prognózisokat, és az eső előrejelzésében mintegy 60%-os javulást mutat a WeatherNext 2-höz képest. A modellt a fejlesztők nagyobb kapacitásúra építették: körülbelül 2,4-szer több paraméterrel rendelkezik, mint az előző verzió, és a dekóder fejek céljainak testreszabásával igyekeztek hasznosabb kimeneteket adni.
Teljesítmény és összehasonlítások
A WeatherNext 3 az Operational WeatherBench nevű, a Brightband által fejlesztett összehasonlító eszközön a tesztelt előrejelzők között a legpontosabbnak bizonyult; a benchmark olyan metrikákat vizsgál, mint a hőmérséklet, a szélerősség és a páratartalom. A Google szerint a modell jobban teljesített más, mesterséges intelligencián alapuló modelleknél, köztük a Microsoft, az Nvidia és az Európai Középtávú Előrejelzési Központ (ECMWF) által bemutatott megoldásoknál, továbbá felülmúlta hagyományos előrejelzéseket is, például az Egyesült Államok Nemzeti Időjárási Szolgálatának (U.S. National Weather Service) és az ECMWF-nek a termékeit.
Milyen technikai változtatások vezettek a javuláshoz?
A fejlesztők részletezése szerint a javulás több tényező eredménye. A WeatherNext 3 alkalmas arra, hogy nyers, valós idejű megfigyelési adatokat—például óránként frissített műholdadatokat—fogadjon; ez lehetővé teszi a gyakoribb frissítéseket és a közvetlen, formázatlan adatokon alapuló előrejelzést. Emellett a modell célzottan lett betanítva arra, hogy konkrét időjárás-állomások méréseit is előre jelezze, ami lehetővé teszi a finomabb térbeli részletezést és az összehasonlítást helyszíni, földi mérésekkel.
Brightbandnél Daniel Rothenberg atmoszférakutató kiemelte, hogy az ilyen típusú, óránkénti előrejelzés például azt is lehetővé teszi, hogy egy adott repülőtéri időjárás-állomás várható méréseit közvetlenül modellezze a rendszer, így közelebb hozva a modellezési feladatot a valós mérésekhez.
Adatforrások és korlátok
Bár a Google azt állítja, hogy a WeatherNext 3 az első olyan AI-modell, amely közvetlenül integrál nyers megfigyeléseket egy nagyfelbontású, globális előrejelzéshez, az időjárás-alapú startup WindBorne azt közölte, hogy a saját modelljük, a WeatherMesh 6, 2025 vége óta használ nyers megfigyelési adatokat (például időjárási ballonokból). A Google erre azt válaszolta, hogy a WeatherNext 3 globális lefedettségben magasabb felbontást kínál. Mindkét megközelítés azonban továbbra is támaszkodik nemzeti időjárási adatbázisokra, így a teljesen közvetlen adatasszimiláció még nem megoldott minden esetben.
A jelentőség gazdasági és társadalmi szempontból
A mesterséges intelligencia által vezérelt, gyors és olcsóbb előrejelzések különösen fontosak lehetnek alacsonyabb bevételű régiók számára, ahol a drága szenzorok és szuperszámítógépes számítások korlátozzák a pontos előrejelzéseket. Bill Gates korábban kiemelte, hogy a jobb előrejelzések javíthatják a mezőgazdasági hozamokat a fejlődő országokban. A DeepMind egyik kutatója, Ferran Alet rámutatott, hogy a finomabb felbontású szél-, csapadék- és felhőborítottság-előrejelzések a megújuló energia projektek megbízhatóságát is növelhetik.
Hol és mikor lesz elérhető?
A Google közlése szerint a WeatherNext 3 képességei előbb-utóbb megjelennek a Google termékek időjárási információiban (Search, Google Maps, Gemini), és a modell elérhető lesz a Google Cloud platformon kutatók és szervezetek számára. A bevezetés pontos ütemtervéről a vállalat nem közölt részletes, konkrét dátumokat.
Összegzés
A WeatherNext 3 a Google szerint előrelépést jelent a mesterséges intelligencia alapú időjárás-előrejelzésben: nagyobb térbeli felbontás, óránkénti frissítés és jelentősen jobb csapadék-előrejelzések jellemzik. A modell hasonló fejlesztésekkel és más szervezetek megoldásaival együtt hozzájárulhat ahhoz, hogy több régióban legyen elérhető pontosabb és gyorsabb időjárási információ.
