Google DeepMind låter WeatherNext 3 läsa satellitdata varje timme
WeatherNext 3 bygger globala prognoser direkt från rå satellitbild och kan därför uppdatera lokala väderdata varje timme.
Google DeepMind har presenterat WeatherNext 3, en global vädermodell som hämtar sitt utgångsläge direkt från råa satellitbilder. Det gör att modellen kan skapa en ny prognos varje timme, i stället för att vara bunden till de glesare körningar som har präglat många globala prognossystem.
Det intressanta är alltså inte bara ännu en högre modellpoäng. WeatherNext 3 förändrar själva inflödet: färskare observationer kan snabbare bli en ny prognos, vilket enligt DeepMind ska hjälpa användare att följa snabba skiften i regn och snö.
Från satellitbild till lokal prognos
Modellen räknar temperatur och luftfuktighet vid marknivå med fem kilometers upplösning. Andra markvariabler, däribland vind, ligger på tio kilometer. DeepMind beskriver prognoserna som betydligt mer träffsäkra, även på platser modellen inte har mött under träningen, men lanseringssidan redovisar ingen kvantifierad jämförelse som gör det påståendet möjligt att bedöma utifrån.
WeatherNext 3 är också byggd för mer än den vanliga väderappen. Modellen kan prognostisera strålning och molntäcke för vind- och solkraft, och prognoserna görs tillgängliga i BigQuery, Earth Engine, Google Maps Platform och Google Cloud Storage. Google säger dessutom att tekniken ska integreras i Sök, Maps och Gemini.
För nordiska användare ligger den konkreta nyttan nära till hands. Timvisa globala körningar kan ge bättre underlag när kustväder, snöfall eller molntäcke ändras snabbt, medan energibolag kan få tätare signaler för produktion och planering. Det är framför allt kombinationen av aktualitet, lokal upplösning och färdiga molnkanaler som gör modellen praktiskt intressant.
Samtidigt är gränsen tydlig. DeepMinds Weather Lab är en experimentell forskningsmiljö, och företaget hänvisar fortfarande till nationella vädertjänster för officiella prognoser och varningar. WeatherNext 3 är ett nytt beslutsunderlag, inte en ersättare för SMHI:s varningsansvar.
Google DeepMind har lanserat WeatherNext 3, en global AI-modell som använder rå satellitbild och genererar prognoser varje timme. Den ger marknära temperatur och luftfuktighet i fem kilometers upplösning samt bland annat vind i tio kilometer. Modellen blir tillgänglig genom flera Google Cloud-tjänster och ska integreras i Sök, Maps och Gemini.
Värdet ligger i hur snabbt en ny observation kan bli användbar väderdata. Tätare globala prognoser kan förbättra beslutsunderlaget för allt från snö och regn till vind- och solkraft, även om DeepMinds träffsäkerhetspåståenden ännu behöver oberoende mätvärden.
WeatherNext 3 känns mer betydelsefull som ett nytt datainflöde än som ännu en vädermodell. När rå satellitbild, tät uppdatering och färdiga molntjänster kopplas ihop blir AI-väder något som fler verksamheter faktiskt kan bygga beslut på.
