पारंपरिक मॉडलों के विपरीत जो भौतिक प्रक्रियाओं का अनुकरण करने के लिए किसी स्थान में भौतिक गुणों का उपयोग करते हैं, मशीन लर्निंग मॉडल काफी हद तक ब्लैक बॉक्स होते हैं जो पिछले पैटर्न पर प्रशिक्षित होते हैं और भविष्य के पैटर्न की भविष्यवाणियां निकालते हैं। लेकिन Weather Next 3 किसी भी विशिष्ट स्थान की सतह का तापमान और ओस बिंदु की गणना करने के लिए थोड़ी सी भौतिक जानकारी जोड़ रहा है जिसे आप देखना चाहते हैं। यह जांचता है कि वह बिंदु भूमि है या महासागर और उसकी सतह की ऊंचाई का उपयोग करता है। उस जानकारी के साथ टैग किए गए पिछले मौसम स्टेशन डेटा पर प्रशिक्षण देकर, टीम का कहना है कि उन्हें बेहतर पूर्वानुमान मिलते हैं।

कुछ विचित्रताएं: श्वेत पत्र Weather Next 2 के साथ-साथ यूरोपीय मध्यम-श्रेणी मौसम पूर्वानुमान केंद्र (ECMWF) AI मॉडल पर पूर्वानुमान प्रदर्शन सुधारों का दस्तावेजीकरण करने के लिए कुछ परिणाम दिखाता है। वे अपने पिछले मॉडल की तुलना में ऊपरी वायुमंडल स्थितियों की सटीकता में लगभग 5 प्रतिशत सुधार देखते हैं, उदाहरण के लिए, जो वे कहते हैं कि लगभग छह घंटे अधिक सटीक पूर्वानुमान समय के बराबर है। और किसी विशिष्ट स्थान के सतह तापमान की गणना करने के लिए उनका परिवर्तन सटीकता में 30 प्रतिशत तक सुधार करता है। वे आम तौर पर इन मीट्रिक पर ECWMF मॉडल को भी पीछे छोड़ रहे हैं।

एक जिज्ञासु अपवाद है जिसका कारण पेपर अनुमान भी नहीं लगाता। कई चरों के लिए, अन्य मॉडलों के प्रारंभिक छह-घंटे-आगे के पूर्वानुमान के साथ उनकी तुलना से पता चलता है कि Weather Next 3 15-दिन के पूर्वानुमान के बाकी हिस्से में आगे निकलने से पहले खराब प्रदर्शन करता है। बड़े पैमाने के पैटर्न भी कुछ विचित्रता के बिना नहीं हैं। आप कुछ भविष्यवाणियों में मॉडल के ग्रिड का आकार देख सकते हैं, जैसे वर्षा का नक्शा कुछ स्पष्ट षट्कोणीय गुच्छे दिखाता है।

कुल मिलाकर, टीम का कहना है कि उनका नया मॉडल "विश्लेषण पर पूरी तरह निर्भर रहने से आगे बढ़कर और सूचना-घने, कम-विलंबता अवलोकन डेटा का उपयोग करके AI-आधारित मौसम भविष्यवाणियों के लिए एक बड़ा कदम आगे का प्रतिनिधित्व करता है।" Weather Next 3 अब Google सेवाओं, जिसमें Search, Gemini और Maps शामिल हैं, में पूर्वानुमान जानकारी का स्रोत है।

प्रमुख संस्थाएं: कंपनियां: Google, ECMWF