O modelo de previsão mais avançado do Google DeepMind

As previsões meteorológicas precisam de capturar toda a gama de possibilidades – incluindo os piores cenários, que são os mais importantes para planear.

WeatherNext 2 pode prever centenas de resultados climáticos possíveis a partir de um único ponto de partida. Cada previsão leva menos de um minuto em uma única TPU; levaria horas em um supercomputador usando modelos baseados na física.

Nosso modelo também é altamente habilidoso e capaz de previsões de alta resolução, até a hora. No geral, o WeatherNext 2 supera nosso modelo WeatherNext de última geração anterior em 99,9% das variáveis ​​(por exemplo, temperatura, vento, umidade) e prazos de entrega (0-15 dias), permitindo previsões mais úteis e precisas.

Esse desempenho aprimorado é possibilitado por uma nova abordagem de modelagem de IA chamada Rede Gerativa Funcional (FGN), que injeta “ruído” diretamente na arquitetura do modelo para que as previsões geradas permaneçam fisicamente realistas e interconectadas.

Esta abordagem é particularmente útil para prever o que os meteorologistas chamam de “marginais” e “juntas”. Marginais são elementos meteorológicos individuais e autônomos: a temperatura precisa em um local específico, a velocidade do vento em uma determinada altitude ou a umidade. O que há de novo em nossa abordagem é que o modelo é treinado apenas nessas marginais. No entanto, a partir dessa formação, aprende a prever habilmente “juntas” – sistemas grandes, complexos e interligados que dependem da forma como todas essas peças individuais se encaixam. Esta previsão “conjunta” é necessária para as nossas previsões mais úteis, como a identificação de regiões inteiras afetadas por altas temperaturas ou a produção de energia esperada num parque eólico.