グーグル、より速く、より正確な予報を提供する新しいAI天気モデルを発表

概要

• WeatherNext 2は、1分以内に数百の全球予測を生成し、従来のモデルよりも頻繁にシナリオ更新を可能にします。
• GoogleはすでにSearch、Gemini、Pixel Weather、Mapsでこのシステムを使用しており、より広範な展開が計画されています。
• 新しいモデリングアプローチである機能的生成ネットワークにより、極端な風やサイクロンの追跡を含む重要な指標での精度が向上しました。

デクリプトのアート、ファッション、エンターテインメントのハブ。

SCENEを見る

Google DeepMindは月曜日に新しいAI搭載の天気予報システムを導入したと発表し、従来のツールの8倍の速さで世界の天気予測を生成できるとのことです。

「ウェザーネクスト2」と名付けられたこのシステムは、世界がますます温暖化する気候によって引き起こされる頻繁な自然災害に苦しむ中、機関が厳しい条件により迅速に備えるためのツールとして位置づけられています。

これを行うために、Googleが機械学習とAIワークロードを加速するために開発した専門のチップであるテンソル処理ユニット上で、1分未満で計算された単一の出発点から数百の可能なシナリオを生成します。

「私たちは、サプライチェーンからエネルギーグリッド、作物計画に至るまで、重要な意思決定のために正確な天気予測に依存しています」と、Google DeepMindの研究科学者ピーター・バッタリアがXで書いています。「AIは、私たちが天気を予測する方法を変革しています。」

天候はすべてとすべての人に影響を与えます。私たちの最新のAIモデルは、@GoogleResearchと共に開発され、天候をより良く予測するのに役立っています。⛅

WeatherNext 2は、これまでで最も進んだシステムで、より正確で高解像度のグローバル予測を生成することができます。これがその機能であり、理由です… pic.twitter.com/yVdFFlAHpE

— Google DeepMind (@GoogleDeepMind) 2025年11月17日

<br>

Google サービス間でのデプロイ

WeatherNext 2 予報は、検索、Gemini、Pixel Weather、Google Maps Weather API ですでに実行されており、後日、より広範なサポートが予定されています。

「私たちは、WeatherNextを私たちの予測システムに統合するためにGoogleチームと協力しています」とWeatherNext 2のプロダクトマネージャー、アキブ・ウッディンは声明で述べました。「検索、Android、またはGoogleマップを使用しているかどうかにかかわらず、天気はすべての人に影響を与えます。したがって、より良い天気予測を行うことで、私たちはすべての人を助けることができます。」

従来のモデルは数時間かかるため、シナリオをどれだけ頻繁に更新できるかが制限されるとDeepMindは述べています。高度なAIを使用することで、WeatherNext 2は以前の運用モデルであるWeatherNext Genを上回ったと、同社は主張しています。

"昨年リリースした前の確率モデルの約8倍の速さで、解像度に関しては6倍の大きさです。"とバッタリアは声明で述べました。“6時間ごとのステップではなく、1時間ごとのステップを踏みます。私たちがテストした99.9％の変数において、前の次世代の天気予測を上回っています。”

実際的には、それは新しいシステムがほぼすべての場所で、そして15日間のウィンドウ内のほぼすべてのポイントで、温度、風、湿度、圧力のより正確な予測を生成したことを意味します。

DeepMindは、システムが不確実性を表現し、予測の変動を生成する方法を変更するFunctional Generative Networks（FGN）に関する6月の研究論文で説明された新しいモデリングアプローチに起因すると述べています。

新しいモデリングアプローチ

FGNは、特定の場所での温度、風、湿度などの単一変数予測、または「周辺変数」のみに基づいて訓練されています、とGoogleは述べています。

それにもかかわらず、モデルはこれらの変数がどのように相互作用するかを学習し、地域的な熱イベントやサイクロンの挙動など、より広範で相互に関連したパターンを予測できるようになります。

Googleは、FGNが極端な2メートルの温度予測でGenCastと一致し、変数に応じて極端な10メートルの風予測でそれを超えたと述べました。

モデルは、リードタイム全体でのキャリブレーションの強化と、個々のポイントではなくより広い地域で予測を評価した際のパフォーマンスの向上も示しました。

連続ランク確率スコアを使用して—モデルの予測結果の全範囲が実際に発生したものとどれだけ一致しているかを確認する標準的な精度指標—この論文は、GenCastと比較して、平均プールCRPSで8.7%、最大プールCRPSで7.5%の平均改善を報告しています。

サイクロン予測性能

FGNは熱帯サイクロンの予測も改善しました。

国際気候管理ベストトラックアーカイブの歴史的トラックと比較して、アンサンブル平均予測は、3日から5日の予測間のリードタイムで約24時間の位置誤差を減少させました。

12時間のタイムステップで実行されたFGNのバージョンは、6時間のバージョンよりもエラーが高かったが、2日を超えるリードタイムでは依然としてGenCastを上回っていた。

トラック確率予測は、ほとんどのコスト損失比率とリードタイムにわたって、より高い相対経済価値を示しました。

ディープマインドは、この技術を使用して構築された実験的なサイクロン予測ツールが気象機関と共有されたと述べました。

「より正確な予測が得られ、しかもそれが迅速に提供されることで、誰もが正しい決定を下すのに役立ちます。特に、より極端な天候が増えてきている中では。」とウディンは述べました。「より良い天気予報には、さまざまな応用の可能性があると思います。」