グーグル、全世界の天気予報を8倍速く、99.9％の変動要因にわたってより高い精度で提供する新しいAI気象モデルをロールアウト

グーグルの新しいAI予測モデルは、より速く、より鋭い気象予測を約束する

グーグル・ディープマインド（Google DeepMind）は、そのAI気象研究を日常的な使用に押し進め、従来のツールよりも速く、鋭く、柔軟な予測を提供するように設計された新しい予測システム、ウェザーネクスト2を発表した。

計算には何時間もかかることが多い物理シミュレーションに頼るのではなく、このモデルは1分以内に詳細な世界予測を作成するため、政府機関や消費者は状況の変化に迅速に対応することができる。

ピーター・バタリア研究担当シニア・ディレクターによると、このアップグレードは何年にもわたる実験的研究の末、実戦配備の準備が整ったという。

彼は記者団にこう語った、

「私たちの予測は本当に効果的で、かなり役に立つと確信している。

ウェザーネクスト2は予測をどう変えるか

システムの中核にあるのは、機能的生成ネットワーク（FGN）として知られるモデリング手法だ。

気象システム全体を1つのパッケージとして学習するのではなく、特定の地点における気温、風、湿度、気圧といった個々の要素についてモデルを学習させる。

そこから、これらの要素が嵐、熱波、風の変化の背後にある大きなパターンをどのように形成しているかを学ぶ。

FGNはまた、各予測に的を絞ったノイズを導入することで、長い計算サイクルを繰り返すことなく、1つの出発点から何百ものもっともらしい結果を生成することを可能にしている。

ディープマインド社によれば、この方法はテストされた変数の99.9パーセントにわたって精度を高め、分解能を向上させ、従来使用されていた6時間単位ではなく1時間単位を可能にしたという。

バタリヤによれば、このシステムは「昨年発表した以前の確率モデルより約8倍高速で、解像度の面では6倍大きい」という。

さらに、このモデルは「テストした変数の99.9%において」前モデルを上回っていると付け加えた。

どれだけ速くなるか、そしてそれがなぜ重要か

ウェザーネクスト2の完全な予報は、1つのGoogle Tensor Processing Unitで実行され、1分もかからない。

従来の物理学に基づく予測は、大気の力学を再現することに依存しており、スーパーコンピューターでも数時間かかる作業だった。

速度が向上するということは、予測をより頻繁に更新できることを意味し、急速に移動するシステムや出現する異常気象を追跡する能力を向上させる。

DeepMind社によれば、このモデルは15日間のウィンドウのほぼすべてのポイントについて、気温、風、湿度、気圧の予測を改善したという。

Continuous Ranked Probability Scoreを使用した精度テストでは、新システムは、同社の従来の拡散ベースモデルであるGenCastと比較して、平均プールCRPSで平均8.7％、最大プールCRPSで平均7.5％の改善を示した。

サイクロンが好調

このシステムの特筆すべきアップグレードのひとつは、熱帯低気圧をより正確に追跡する能力である。

International Best Track Archive for Climate Stewardshipと比較すると、WeatherNext 2のアンサンブル平均予測は、3日予測と5日予測のリードタイムでおよそ24時間に相当する位置誤差を減少させた。

より低速の12時間ステップのモデルでも、2日以降はGenCastより正確なままだった。

このアーキテクチャを採用した初期のサイクロン予測ツールは、すでに気象庁とテスト用に共有されている。

アキブ・ウッディン・プロダクトマネージャーは、実用的な利点を強調した：

「より正確な予報をより早く得ることができ、特に異常気象がますます増えていく中で、誰もが正しい判断を下せるようになる」。

人々がアップグレードを目にする場所

WeatherNext 2はすでにGoogle Search、Gemini、Pixel Weather、Google Maps Weather APIで利用されている。

カスタム・モデリングを希望する企業向けの早期アクセス・プログラムとともに、マップ全体への広範な展開が計画されている。

予測データは、地理空間や大規模分析のためにGoogle Earth EngineやBigQueryでも利用できる。

ウディンによれば、グーグルのプラットフォーム全体の統合が進行中だという：

「検索、アンドロイド、グーグルマップのどれを利用していても、天気はすべての人に影響を与える。

企業が注目する理由

この1時間の分解能は、エネルギー事業者、農業プランナー、物流ネットワークなど、わずかなタイミングの違いで生産高やコストが変動する部門にとって価値がある。

ウディンが説明した、

"ビジネスに影響する事柄に関して、より正確な判断を下すのに役立つ"

単一の決定論的な結果ではなく、多くの首尾一貫したシナリオを生成することによって、このモデルは、組織が不測の事態に対応するのではなく、リスクに対する計画を立てるのを助けることを目的としている。

ウェザーネクスト2は、単に確率を提供するのではなく、物理的に現実的な結果の広がりを示すことで、不安定な状況下での不確実性をより明確に把握することができる。

Googleは、ECMWF、Nvidia、Huaweiなど、AIを活用した予測に取り組むグループの仲間入りを果たした。

しかし、ウェザーネクスト2が広く使われている製品に組み込まれたことで、グーグルのモデルは、AIが日常の気象情報をどのように作り変えているかを示す最も目に見える例のひとつになるかもしれない。