Thời tiết thay đổi ảnh hưởng đến chuỗi cung ứng toàn cầu, đường bay và việc di chuyển hằng ngày. Những năm gần đây, trí tuệ nhân tạo không ngừng cải thiện khả năng dự báo, đồng thời thay đổi cách con người tiếp nhận và sử dụng thông tin thời tiết.
Mới đây, Google DeepMind và Google Research đã công bố mô hình dự báo thời tiết mới WeatherNext 2, được ca ngợi là hệ thống dự báo thời tiết AI tiên tiến và hiệu quả nhất hiện nay.
Theo Google, WeatherNext 2 có tốc độ xử lý nhanh gấp 8 lần thế hệ trước và có thể tạo ra dự báo với độ phân giải chi tiết tới mức theo giờ. Đột phá chủ yếu đến từ kiến trúc mô hình mới, có khả năng tạo ra hàng trăm kịch bản thời tiết khác nhau. Trước đây, nhóm nghiên cứu đã sử dụng công nghệ này để hỗ trợ cơ quan khí tượng phân tích đa kịch bản trong các thí nghiệm dự báo xoáy thuận. Việc công bố lần này đánh dấu việc kết quả nghiên cứu được cung cấp chính thức cho người dùng.


Dữ liệu dự báo của WeatherNext 2 hiện đã có trên Earth Engine và BigQuery. Ngoài ra, Vertex AI trên Google Cloud cũng mở chương trình trải nghiệm sớm, cho phép người dùng tùy chỉnh và chạy mô hình suy luận.

Bên cạnh đó, Google cũng tích hợp WeatherNext vào nhiều dịch vụ khác như Search, Gemini, Pixel Weather, và Weather API của Google Maps Platform. Trong vài tuần tới, mô hình này sẽ tiếp tục được áp dụng vào thông tin thời tiết trên Google Maps. Theo Google, mô hình mới có thể mô phỏng hàng trăm diễn biến thời tiết chỉ từ một trạng thái ban đầu, mỗi mô phỏng chỉ mất dưới 1 phút trên một TPU, trong khi các mô hình siêu máy tính dựa trên vật lý truyền thống có thể mất hàng giờ.

Google cho biết WeatherNext 2 vượt trội hơn thế hệ trước trên 99,9% biến số trong phạm vi dự báo từ 0 đến 15 ngày, bao gồm nhiệt độ, tốc độ gió, độ ẩm… đồng thời cung cấp độ phân giải cao hơn. Thành tựu này đạt được nhờ Functional Generative Network (FGN) – một phương pháp mô hình hóa AI mới, đưa “nhiễu” trực tiếp vào kiến trúc mô hình để đảm bảo các dự báo vẫn hợp lý về mặt vật lý và có tính liên kết nội tại.


Phương pháp này đặc biệt quan trọng đối với hai dạng dự báo trong khí tượng học:

• Marginals (biên): các yếu tố thời tiết đơn lẻ, như nhiệt độ tại một địa điểm, tốc độ gió ở một độ cao cụ thể, hay độ ẩm.
• Joints (liên hợp): các hệ thống phức tạp được cấu thành từ nhiều yếu tố biên, ví dụ như vùng nhiệt độ cao hoặc sản lượng dự kiến của cả một trang trại điện gió.

Google cho biết mô hình chỉ được huấn luyện bằng dữ liệu “biên” nhưng vẫn có khả năng suy luận chính xác các hệ thống “liên hợp”, điều tạo nên sự độc đáo của phương pháp.

Google nhấn mạnh rằng WeatherNext 2 đưa các nghiên cứu tiên tiến vào ứng dụng thực tế, và công ty sẽ tiếp tục phát triển công nghệ này, bao gồm tích hợp thêm dữ liệu và mở rộng khả năng truy cập. Thông qua việc cung cấp công cụ mạnh mẽ và dữ liệu mở, Google hy vọng hỗ trợ các nhà nghiên cứu, lập trình viên và doanh nghiệp đưa ra quyết định chính xác hơn trong các vấn đề phức tạp, đồng thời thúc đẩy tiến bộ trong các lĩnh vực liên quan trong tương lai.

Các bạn có thể tham khảo thêm thông tin về Google WeatherNext 2 tại đây