与传统模型使用位置的物理属性来模拟物理过程不同，机器学习模型在很大程度上是黑箱，它们基于过去的模式进行训练，并输出未来模式的预测。但 Weather Next 3 添加了一点点物理信息来计算你想要查看的任何特定位置的地表温度和露点。它会检查该点是陆地还是海洋，并使用其地表海拔。通过使用带有该信息的过去气象站数据进行训练，团队表示他们获得了更好的预报预测。

一些奇特之处：白皮书展示了一些结果，以记录相对于 Weather Next 2 以及欧洲中期天气预报中心（ECMWF）AI 模型的预报性能改进。例如，他们注意到上层大气条件准确性比之前的模型提高了约 5%，他们表示这相当于增加了约六个小时的准确预报提前时间。而他们对特定位置地表温度计算的更改将准确性提高了高达 30%。在这些指标上，他们也普遍超过了 ECWMF 模型。

有一个奇怪的例外，论文甚至没有猜测其原因。对于许多变量，他们与其他模型的初始六小时预报的比较显示，Weather Next 3 在15天预报的其余部分中领先之前表现更差。更大尺度的模式也不是没有一些怪异之处。你可以在一些预测中看到模型网格的形状，比如降水地图显示出一些明显的六边形斑块。

总体而言，团队表示他们的新模型“代表了基于 AI 的天气预报的一大步，超越了纯粹依赖分析，利用信息密集、低延迟的观测数据。” Weather Next 3 现在是 Google 服务（包括 Search、Gemini 和 Maps）中预报信息的来源。

关键实体：公司：Google、ECMWF