Google DeepMind và Google Research ngày 3/9 ra mắt WeatherNext 3, model dự báo thời tiết toàn cầu mà họ gọi là tiên tiến và chính xác nhất từ trước tới nay của Google. Mức khẳng định này dựa trên các đánh giá trực tiếp độc lập do Brightband vận hành, nơi model đang được xếp hạng so với các model dự báo khác trên thế giới.
Điểm nhảy vọt nhất nằm ở dữ liệu học. Phần lớn model thời tiết AI hiện nay, kể cả WeatherNext 2 của chính Google, được huấn luyện trên dữ liệu đầu ra của các mô hình dự báo số (NWP): những mô phỏng vật lý chạy trên siêu máy tính, mang độ trễ 6 giờ. Độ trễ đó gây sai lệch cho các biến đổi nhanh như mưa hay nhiệt độ mặt đất. WeatherNext 3 học trực tiếp từ ảnh ghép vệ tinh địa tĩnh toàn cầu cập nhật mỗi giờ, và tạo một dự báo mới mỗi giờ dựa trên quan sát mới nhất có được.
WeatherNext 3 cũng tăng mạnh về độ phân giải. Bản đồ dự báo sẽ được chia thành các ô lưới với mỗi ô mang một giá trị và kích thước ô thay đổi theo loại chỉ số: nhiệt độ và độ ẩm dùng ô 5 km vì hai chỉ số này đổi khác chỉ sau vài km; các biến mặt đất khác dùng ô 10 km; gió và các biến khí quyển dùng ô 25 km.
So với WeatherNext 2 vốn vẽ mọi chỉ số trên một lưới 25 km duy nhất theo chu kỳ 6 giờ, bức tranh thời tiết toàn cầu giờ nét gấp khoảng 5 lần. Model còn học trực tiếp từ dữ liệu quan trắc của các trạm thời tiết rải rác, nên dự báo có tính đến địa hình từng vùng: ven biển, thung lũng, vùng núi.
Với mưa tuyết, thứ mà mô phỏng vật lý thường cho kết quả nhòe, WeatherNext 3 được huấn luyện trên hai nguồn dữ liệu chất lượng cao: IMERG của NASA và bộ dữ liệu phân tích mưa toàn cầu do chính Google xây từ radar vệ tinh. Theo số liệu Google công bố, điểm CRPS, thước đo chất lượng dự báo xác suất, cải thiện tới 60% so với IMERG, 30% so với MRMS và 10% so với mưa đo tại trạm ở các lead time sớm. Trên sản phẩm, người dùng sẽ thấy dự báo mưa chính xác hơn tới 50% khi lập kế hoạch từ một ngày trở lên.
Hai nhóm dùng khác cũng đáng được chú ý. Với năng lượng tái tạo, model dự báo tốc độ gió ở độ cao 100 m, gần đúng tầm cao của tua-bin gió, cùng độ che phủ mây và bức xạ mặt trời để trang trại điện mặt trời ước lượng sản lượng. Với những khu vực từ trước tới nay khó có dự báo phân giải cao vì chi phí siêu máy tính, như Mỹ Latinh, châu Phi và châu Á - Thái Bình Dương, đây là lần đầu một model toàn cầu đưa mức chi tiết này tới mà không cần siêu máy tính.
Về triển khai, WeatherNext 3 bắt đầu chạy trong Google Search, ứng dụng Gemini, Google Maps, Weather API của Maps Platform và Google Earth Engine từ ngày ra mắt. Dữ liệu dự báo có thể truy vấn qua BigQuery, Earth Engine hoặc tải về từ Google Cloud Storage.
Đây là một trong những ứng dụng thực tế và rõ ràng nhất của AI trong cuộc sống thường ngày. Thay vì xem dự báo dự tiết, giờ đây chúng ta đã có thể hỏi trực tiếp AI về tình hình thời tiết tại khu vực cụ thể.