В отличие от традиционных моделей, которые используют физические свойства местности для моделирования физических процессов, модели машинного обучения в значительной степени являются черными ящиками, которые обучаются на прошлых закономерностях и выдают прогнозы будущих закономерностей. Но Weather Next 3 добавляет немного физической информации для расчета температуры поверхности и точки росы в любом конкретном месте, которое вы хотите просмотреть. Он проверяет, является ли эта точка сушей или океаном, и использует высоту ее поверхности. Обучаясь на прошлых данных метеостанций, помеченных этой информацией, команда утверждает, что получает лучшие прогнозы.

Некоторые странности: В белой книге показаны некоторые результаты, документирующие улучшения производительности прогнозов по сравнению с Weather Next 2, а также с моделью ИИ Европейского центра среднесрочных прогнозов погоды (ECMWF). Они отмечают примерно 5-процентное улучшение точности условий верхней атмосферы по сравнению с их предыдущей моделью, например, что, по их словам, эквивалентно примерно шести дополнительным часам точного времени прогноза. А их изменение расчета температуры поверхности для конкретного места повысило точность до 30 процентов. Они также в целом превосходят модель ECWMF по этим показателям.

Есть одно любопытное исключение, причину которого документ даже не предполагает. Для ряда переменных их сравнение с первоначальным шестичасовым прогнозом других моделей показывает, что Weather Next 3 работает хуже, прежде чем вырваться вперед на остальной части 15-дневного прогноза. Крупномасштабные закономерности также не лишены некоторых странностей. Вы можете увидеть форму сетки модели в некоторых прогнозах, например, карта осадков показывает некоторые отчетливые шестиугольные пятна.

В целом команда говорит, что их новая модель «представляет собой крупный шаг вперед для прогнозов погоды на основе ИИ, выходя за рамки простого анализа и используя информационно-насыщенные данные наблюдений с низкой задержкой». Weather Next 3 теперь является источником прогнозной информации во всех сервисах Google, включая Search, Gemini и Maps.

Ключевые объекты: Компании: Google, ECMWF