Ang WeatherNext Model ng Google DeepMind ay maaaring mapabuti ang DeFi Insurance at Prediction Markets

Kabanggit na ng Google DeepMind ang isang modelo para sa paghuhula ng panahon na mas lumampas sa mga tao na nagpassa ng kanilang buong karera sa pagtatakas ng mga bagyo. Ang WeatherNext 2, na binuo sa pamamagitan ng pakikipag-ugnayan sa Google Research, ay nakapaghuhula ng parehong landas at intensidad ng mga tropikal na syklon na may karampatang akurasye kaysa sa mga tradisyonal na paraan batay sa pisika noong panahon ng Atlantic hurricane season noong 2025.

Ang modelo ay naglalikha ng probabilistic ensemble forecasts hanggang 15 araw sa hinaharap, na may temporal resolution na pababa sa isang oras. Ito ay nagpapatakbo 8x na mas mabilis kaysa sa mga nakaraang modelo. Ang National Hurricane Center ay sinubok ang WeatherNext 2 sa panahon ng hurricane season ng 2025. Mas naging masusing kaysa sa mga karaniwang paraan sa ilang pangunahing metrik ng performans para sa pagpapahalaga ng cyclone. Maaaring pinakamaliliit na kahanga-hanga, ang mga siyentipiko sa likod ng modelo ay hindi pa buong naiintindihan kung paano ito nakakamit ang antas na ito ng akurasyo gamit ang mas mababang resolusyon na input ng panahon.

Ang mga nakaraang komponente ng WeatherNext, kasama ang mga kaugnay na modelo tulad ng GraphCast at GenCast, ay nangangalaga na nang open-source. Ang pretrained weights at mas mababang resolusyon na data inputs ay available sa publiko sa pamamagitan ng Google Developer resources. Ipinahayag ng DeepMind na ang WeatherNext mismo ay magiging open-source, kaya ang sinumang may teknikal na kakayahan ay maaaring bumuo ng mga bagong solusyon dito.

Ang crypto ecosystem ay patuloy na nagtatayo ng financial infrastructure na nakasalalay sa akurat, real-time na datos ng panahon. Ang prediction markets ay nagbibigay-daan sa mga user na magtaya sa mga resulta ng panahon. Ang mga parametric insurance protocols ay awtomatikong nagpapalabas ng mga payout kapag tinatawag ang mga partikular na meteorological threshold, tulad ng pagtaas ng bilis ng hangin sa isang tiyak na antas o pag-abot ng ulan sa isang tukoy na benchmark.

Ang hourly resolution at 15-day forecast window ng WeatherNext 2 ay maaaring mapabuti nang mayamang ang kahusayan ng mga trigger na ito. Ang open-source na kalikasan ng modelo ay nangangahulugan na ang mga DeFi protocol ay maaaring i-integrate ang mga output ng modelo nang direkta, o bumuo ng derivative na data products batay sa mga publikong available na weights, nang walang pangangailangan na mag-negosyo ng enterprise licensing deals sa Google.

Ang Google DeepMind ay nagtatayo patungo sa sandaling ito ng maraming taon. Ipakita ng GraphCast na ang machine learning ay maaaring lalong maging mas mahusay kaysa sa tradisyonal na numerikal na paghuhula ng panahon para sa mga mid-range na paghuhula. Pinaglalabasan ng GenCast ang probabilistic ensemble generation. Ang WeatherNext 2 ay naglalakad sa susunod na hakbang sa pamamagitan ng pagtutok sa mga mataas na epekto na pangyayari tulad ng mga tropikal na siklon.

Ang pagkakasundo sa NHC ay nagdaragdag ng kredibilidad sa institusyon na mahalaga pa sa labas ng akademya. Kapag isang pederal na ahensya na responsable sa pagprotekta sa buhay ang nagpapatotoo sa kalabasan ng isang AI model kumpara sa kanilang sariling tradisyonal na paraan, iyon ay isang signal na ang teknolohiya ay lumampas na sa pag-aaral bilang kuriosidad at naging praktikal na kasangkapan.

Ang panganib ay ang mas mabuting paghuhula ay hindi awtomatikong nagpapalit sa mas mabuting produkto. Ang pagkakaiba sa pagitan ng output ng modelo at pagpapatupad ng smart contract ay nangangailangan pa rin ng matibay na oracle infrastructure, tamang pagmomodelo ng panganib, at sapat na likwididad upang gawing functional ang mga merkado. Nilutas ng DeepMind ang problema sa paghuhula. Kailangan pa rin ng ecosystem ng crypto na lutasin ang mga pipa.