Google lance WeatherNext 2 : prévisions météorologiques IA 8 fois plus rapides, prenant en charge la génération de centaines de scénarios.

Google DeepMind et Google Research ont annoncé le lancement d'un tout nouveau modèle de prévision météorologique AI, WeatherNext 2, tout en soulignant que ce modèle peut augmenter la vitesse des prévisions météorologiques mondiales jusqu'à 8 fois, tout en fournissant des prévisions de haute résolution allant jusqu'à “1 heure”. Plus important encore, il peut générer à partir d'une seule donnée initiale des centaines de scénarios météorologiques possibles, permettant aux utilisateurs, aux agences météorologiques et aux industries de mieux comprendre l'éventail des conditions météorologiques extrêmes. Actuellement, WeatherNext 2 est intégré dans plusieurs outils d'application tels que Google Maps et Gemini.

La vitesse et la résolution ont toutes deux été considérablement améliorées, la prévision AI a été entièrement mise à niveau.

Les autorités ont déclaré que WeatherNext 2 ne prend pas plus d'une minute pour exécuter une prévision sur le TPU de Google, ce qui est beaucoup plus efficace que les plusieurs heures nécessaires aux modèles physiques traditionnels. Il peut également produire des prévisions à une résolution plus élevée, détaillant les changements « heure par heure », ce qui aide à la planification des vols, à la gestion de la chaîne d'approvisionnement, et même aux trajets quotidiens et à l'organisation de la vie des gens.

Les responsables ont indiqué que WeatherNext 2 surpasse la génération précédente WeatherNext dans 99,9% des variables météorologiques et sur une période de prévision de 0 à 15 jours, y compris plusieurs indicateurs tels que la température, la vitesse du vent et l'humidité, avec une amélioration significative de la précision globale.

Le schéma est le flux de simulation du scénario météorologique de WeatherNext sur 2 jours, avec la technologie clé FGN, créant des conditions de simulation météorologique plus réalistes.

La percée de performance de WeatherNext 2 est principalement due à l'adoption d'une nouvelle architecture de modèle, le Functional Generative Network (FGN). Cette architecture injecte du “bruit” (Noise) à l'intérieur du modèle, permettant au modèle de maintenir une variation naturelle lors de la génération de scénarios météorologiques, tout en respectant les lois physiques.

Pour que les résultats des prévisions soient variés mais cohérents, le système utilise plusieurs réseaux de neurones indépendamment entraînés, puis ajuste le bruit pour générer une série de versions contextuelles cohérentes entre elles. Google a également souligné que ce modèle n'utilise qu'une « seule variable » (Marginals) pour l'entraînement, comme la température ou la vitesse du vent, mais peut prédire des « systèmes interconnectés » (Joints), tels que l'impact d'une vague de chaleur sur toute une région, ou la distribution de la production d'énergie dans l'ensemble du champ éolien.

Cette capacité à déduire des systèmes complexes à partir de données d'entraînement simples est l'avantage clé de WeatherNext 2.

(Note : le bruit ici fait référence aux variations aléatoires ajoutées intentionnellement dans le modèle d'IA, permettant au calcul du modèle d'avoir un peu plus de randomité, produisant des variations météorologiques différentes mais toujours conformes aux lois physiques. Le système interconnecté fait référence à l'ensemble du système météorologique formé par l'interaction de plusieurs variables météorologiques, et non pas à des données ponctuelles. )

Générer des centaines de scénarios en une seule fois, les prévisions météorologiques extrêmes sont plus fondées.

WeatherNext 2 peut générer des centaines de résultats météorologiques en moins d'une minute à partir d'un même ensemble de données d'entrée, tout en maintenant chaque résultat physiquement raisonnable et cohérent.

Cette capacité est particulièrement importante pour les « événements à haute incertitude » tels que les typhons, les pluies torrentielles et les vagues de chaleur. Google a également utilisé cette technologie pour soutenir les agences météorologiques dans des prévisions expérimentales de typhons, aidant à évaluer les pires scénarios et les plages de variations possibles.

Intégration complète des produits Google, également ouverte à la communauté mondiale

Actuellement, Google a officiellement intégré WeatherNext 2 dans plusieurs produits destinés aux utilisateurs et aux entreprises. Les utilisateurs ordinaires peuvent voir le nouveau système de prévision dans Google Search, Gemini, Pixel Weather et l'API Weather de Google Maps Platform, qui sera également ajouté à Google Maps.

Les développeurs peuvent obtenir des données de prévision via Earth Engine et BigQuery, et utiliser leur propre modèle d'IA météo sur Vertex AI de Google Cloud.

Google promeut la recherche mondiale, en intégrant plus de données et en élargissant son utilisation.

Google a déclaré qu'elle continuerait à étudier comment intégrer davantage de sources de données à l'avenir afin d'améliorer les capacités de son modèle. Elle continuera également, dans la mesure du possible, à ouvrir de nouveaux outils pour les chercheurs, les développeurs et les entreprises.

Le gouvernement espère, grâce à de puissants modèles d'IA et à des données ouvertes, aider les communautés du monde entier à prendre plus rapidement des décisions importantes concernant l'énergie, le transport, le climat, et à promouvoir davantage de percées scientifiques.

Cet article annonce que Google a récemment lancé WeatherNext 2 : une prévision météorologique alimentée par IA, 8 fois plus rapide, prenant en charge la génération de centaines de scénarios, apparue pour la première fois dans les nouvelles de la chaîne ABMedia.