Nilabas ng Google DeepMind at Google Research ang kanilang pinakabagong henerasyon ng mga AI model para sa pagbibilang ng panahon, at ang pagkakaiba sa performance sa pagitan ng machine learning at tradisyonal na meteorolohiya na nakabatay sa supercomputer ay naging mas malaki.
Ang updated na pamilya ng WeatherNext, kabilang ang WeatherNext 2 at isang espesyalisadong bersyon para sa pagsubaybay sa bagyo na tawagin na WeatherNext Cyclones (WN-C), ay nagtataguyod ng mga paunang pagbibilang na 8 beses mas mabilis kaysa sa kanilang mga naunang bersyon habang mas mabuting performa kaysa sa mga karaniwang sistema batay sa pisika sa halos lahat ng masusukat na dimensyon. Ang WeatherNext 2 ay lalong nasisiguro kaysa sa mga naunang modelo sa 99.9% ng mga bariablen ng pagbibilang.
Ano ang tunay na ginagawa ng mga modelo
Nagpapatakbo ang WeatherNext sa 0.25-degree spatial resolution, na nagtataglay ng halos 30 kilometro sa ekwador. Ang mga palatantiya ay nagsisimula bawat anim na oras, sa 00, 06, 12, at 18 UTC, at ang mga bersyon ng ensemble ay nagpapalawig ng mga palatantiya hanggang 15 araw.
Ang cyclone-specific model, WN-C, ay kung saan naging lalong interesante ang mga bagay. Isang papel na pinag-aralan ng mga kapwa, na inilathala sa Nature noong Agosto 6, 2026, ay dokumentado ang pagganap ng WN-C noong Atlantic hurricane season ng 2025. Ang pangunahing natuklasan: ang AI model ay nagbibigay ng isang dagdag na araw ng pagbabala kumpara sa mga karaniwang sistema ng paghuhula para sa paghuhula ng track, intensidad, at laki ng cyclone. Patunayang epektibo ang model sa paghuhula sa Hurricane Melissa, isa sa mga mas nakakatandaan na bagyo sa season ng 2025.
Ang mga modelo ay tinuturuan gamit ang ERA5 at HRES data mula sa European Centre for Medium-Range Weather Forecasts. Ang pundasyonal na arkitektura ay nakabatay sa Functional Generative Networks (FGN) upang makapag-produce ng ensemble forecasts, isang teknik na naglalikha ng iba’t ibang scenario projections habang gumagamit ng mas kaunting computing power kaysa sa mga supercomputer na karaniwang ginagamit para sa weather modeling.
Open source at cloud integration
Ang mga modelo ng WeatherNext, kasama ang mga pretrained weights, ay inilabas bilang open source sa GitHub sa ilalim ng Apache 2.0 license. Mayroon din isang mini variant ng WeatherNext na maaaring tumakbo sa isang TPU sa libreng notebooks ng Google Colab.
Ang Google ay nag-integrate din ng mga modelo sa kanyang cloud infrastructure, ginagawang accessible sa pamamagitan ng BigQuery at Earth Engine. Ang pagsasagawa ng pag-integrate sa Google Cloud at mga produkto para sa mga konsyumer ay nagsimula na noong 2025.
Bakit dapat pansinin ng mga industriya sa labas ng teknolohiya
Ang pagkakatumpak ng pagtataas ng panahon ay may direkta at pinansyal na epekto sa isang nakakagulat na bilang ng sektor. Ang mga merkado ng enerhiya ang pinakamalinaw na nakikinabang. Ang mga operator ng grid na nagpapatakbo ng mga mapagkukunan ng renewable energy tulad ng hangin at araw ay nangangailangan ng tumpak na maraming araw na pagtataya upang balansehin ang suplay at demand. Ang agrikultura ay isa pang sektor kung saan mahalaga ang pagpapabuti ng panahon para sa paghahanda. Ang mga kumpanya ng insurance at reinsurance, na nagtatakda ng panganib ng kalamidad ayon sa mga output ng modelong pagtataas, ay maaaring kailanganin na i-rekalibrado ang kanilang mga paraan dahil sa isang modelong makapagpapahula ng intensidad ng siklon isang buong araw mas maaga kaysa sa karaniwang mga kasangkapan.
Ang pagkakaroon ng mga modelo na ito sa pamamagitan ng cloud infrastructure at open-source channels ay nagbabawas din sa hadlang sa pagpasok para sa mga startup at mas maliit na negosyo na nais bumuo ng mga serbisyo na nakadepende sa panahon.