Google Meluncurkan Model Cuaca AI Baru Dengan Ramalan yang Lebih Cepat dan Lebih Akurat

Singkatnya

• WeatherNext 2 menghasilkan ratusan ramalan global dalam waktu kurang dari satu menit, memungkinkan pembaruan skenario yang lebih sering dibandingkan dengan model konvensional.
• Google sudah menggunakan sistem ini di Search, Gemini, Cuaca Pixel, dan Maps, dengan peluncuran yang lebih luas direncanakan.
• Pendekatan pemodelan baru, Jaringan Generatif Fungsional, meningkatkan akurasi pada ukuran kunci, termasuk pelacakan angin ekstrem dan siklon.

Pusat Seni, Mode, dan Hiburan Decrypt.

Temukan SCENE

Google DeepMind memperkenalkan sistem ramalan cuaca baru yang didukung AI pada hari Senin, yang mampu menghasilkan prediksi cuaca global delapan kali lebih cepat daripada alat tradisional, katanya.

Diberi nama WeatherNext 2, sistem ini diposisikan sebagai alat untuk membantu lembaga-lembaga mempersiapkan diri menghadapi kondisi ekstrem dengan lebih cepat, seiring dengan dunia yang terus berjuang dengan bencana alam yang sering terjadi akibat iklim yang semakin hangat.

Untuk melakukan ini, ia menghasilkan ratusan skenario yang mungkin dari satu titik awal, masing-masing dihitung dalam waktu kurang dari satu menit pada satu Unit Pemrosesan Tensor, sebuah chip khusus yang dikembangkan oleh Google untuk mempercepat pembelajaran mesin dan beban kerja AI.

“Kami mengandalkan prediksi cuaca yang akurat untuk keputusan kritis - dari rantai pasokan hingga jaringan energi hingga perencanaan tanaman,” tulis ilmuwan penelitian Google DeepMind Peter Battaglia di X. “AI mengubah cara kami meramalkan cuaca.”

Cuaca memengaruhi segalanya dan semua orang. Model AI terbaru kami yang dikembangkan bersama @GoogleResearch membantu kami memprediksinya dengan lebih baik. ⛅

WeatherNext 2 adalah sistem kami yang paling canggih hingga saat ini, mampu menghasilkan ramalan global yang lebih akurat dan resolusi yang lebih tinggi. Inilah yang dapat dilakukannya - dan mengapa… pic.twitter.com/yVdFFlAHpE

— Google DeepMind (@GoogleDeepMind) 17 November 2025

<br>

Penerapan di berbagai produk Google

Prakiraan WeatherNext 2 sudah berjalan di Search, Gemini, Pixel Weather, dan Google Maps Weather API, dengan dukungan yang lebih luas akan datang di kemudian hari.

“Kami bekerja sama dengan tim Google untuk mengintegrasikan WeatherNext ke dalam sistem peramalan kami,” kata manajer produk WeatherNext 2, Akib Uddin, dalam sebuah pernyataan. “Baik Anda di pencarian, Android, atau Google Maps, cuaca mempengaruhi semua orang, dan dengan membuat prediksi cuaca yang lebih baik, kami dapat membantu semua orang.”

Model konvensional dapat memakan waktu berjam-jam, membatasi seberapa sering skenario dapat diperbarui, kata DeepMind. Dengan menggunakan AI canggih, WeatherNext 2 melampaui model operasional sebelumnya, WeatherNext Gen, klaim perusahaan.

“Ini sekitar delapan kali lebih cepat daripada model probabilistik sebelumnya yang kami rilis tahun lalu, dan dalam hal resolusi, itu enam kali lebih besar,” kata Battaglia dalam pernyataan. “Jadi, alih-alih membuat langkah enam jam, ia mengambil langkah satu jam. Ini mengungguli generasi cuaca sebelumnya pada 99,9% dari variabel yang kami uji.”

Dalam istilah praktis, itu berarti sistem baru menghasilkan perkiraan yang lebih akurat tentang suhu, angin, kelembapan, dan tekanan hampir di mana saja dan di hampir setiap titik dalam jendela 15 hari.

DeepMind mengaitkan keuntungan tersebut dengan pendekatan pemodelan baru yang dijelaskan dalam makalah penelitian bulan Juni tentang Jaringan Generatif Fungsional, atau FGN, yang mengubah cara sistem merepresentasikan ketidakpastian dan menghasilkan variasi ramalan.

Pendekatan pemodelan baru

FGN hanya dilatih pada prediksi variabel tunggal, atau “marginals,” seperti suhu, angin, atau kelembapan di lokasi tertentu, menurut Google.

Meskipun demikian, model tersebut mempelajari bagaimana variabel-variabel tersebut berinteraksi, memungkinkan model untuk memprediksi pola yang lebih luas dan saling terkait, seperti peristiwa panas regional dan perilaku siklon.

Google mengatakan FGN cocok dengan GenCast dalam ramalan suhu ekstrem dua meter dan melampaui ramalan angin ekstrem sepuluh meter, tergantung pada variabelnya.

Model ini juga menunjukkan kalibrasi yang lebih kuat di seluruh periode waktu dan kinerja yang lebih baik ketika perkiraan dievaluasi di daerah yang lebih luas daripada titik individu.

Menggunakan Continuous Ranked Probability Score—metrik akurasi standar yang memeriksa seberapa dekat rentang penuh hasil prediksi model cocok dengan apa yang sebenarnya terjadi—makalah ini melaporkan peningkatan rata-rata sebesar 8,7% untuk CRPS rata-rata-pool dan 7,5% untuk CRPS max-pool dibandingkan dengan GenCast.

Kinerja prakiraan siklon

FGN juga memperbaiki prakiraan siklon tropis.

Dibandingkan dengan jejak sejarah dari International Best Track Archive for Climate Stewardship, prediksi rata-rata ensemble mengurangi kesalahan posisi sekitar 24 jam waktu lead antara ramalan tiga hingga lima hari.

Sebuah versi FGN yang dijalankan dengan langkah waktu 12 jam menunjukkan kesalahan yang lebih tinggi daripada versi enam jam tetapi masih mengungguli GenCast pada waktu lead lebih dari dua hari.

Proyeksi probabilitas pelacakan menunjukkan Nilai Ekonomi Relatif yang lebih tinggi di sebagian besar rasio biaya-kebangkitan dan waktu tunggu.

DeepMind mengatakan alat prediksi siklon eksperimental yang dibangun dengan teknologi ini telah dibagikan kepada agen cuaca.

“Anda mendapatkan ramalan yang lebih akurat, dan Anda mendapatkannya lebih cepat, dan itu membantu semua orang membuat keputusan yang tepat, terutama saat kita mulai melihat cuaca ekstrem yang semakin banyak,” kata Uddin. “Saya pikir ada seluruh spektrum aplikasi untuk ramalan cuaca yang lebih baik.”