Google、気象予測 AI「WeatherNext 3」を発表し検索やマップに導入へ

Google Deepmind と Google Research の科学者チームが、気象予報のための新たな人工知能モデルを本日公開しました。このモデルは変化する大気をより明確に捉え、その挙動を高い精度で予測します。

「WeatherNext 3」は、深層学習技術によって引き起こされた気象学の大きな転換の最新段階です。Google は同モデルが、検索結果や Google マップ、Gemini でユーザーに表示される天気情報に組み込まれるほか、Google のクラウドプラットフォームを利用する一般ユーザーや研究者にも提供されると発表しています。

「これは一部の主要な変数が、多くの Google プロダクトの基盤として機能し、駆動する初めてのケースになります」と、Google のシニアスタッフエンジニアである Samier Merchant 氏は TechCrunch に語りました。

この新モデルは、AI 予報を比較するためにスタートアップの Brightband が開発したツール「Operational WeatherBench」(https://owb.brightband.com/) でテストされた主要な競合モデルの中で、すでに最も精度が高いことが証明されています。温度、風速、湿度といった指標が評価基準となっています。

Google や Microsoft、Nvidia、欧州中期予報センター(ECMWF) が開発した他の深層学習モデルを凌駕するだけでなく、米国国立気象局や ECMWF の従来の数値予報モデルをも上回る性能を示しています。

気象予報の多くは、政府が所有するスーパーコンピュータが、気象の物理法則を記述した数式を必死に計算して行っています。これらのシステムは驚くほど精度が高くなっていますが、コストが高く、比較すると処理速度が遅いという課題があります。

2018 年、欧州中期予報センター（ECMWF）がこうしたシステムによって過去半世紀以上の気象データを公開したのをきっかけに、ディープラーニングの研究者たちは、政府のツールと同等の精度を持ちながら、はるかに高速に予測を行うモデルの訓練を開始しました。

「気象はカオスであり、わずかな違いが大きな摂動を引き起こします。機械学習が取り組むのは、不完全な情報と限られた計算資源からなるノイズの多い物理を近似する問題です。そのため、大量のデータからパターンを学習します」と、DeepMind のスタッフ研究科学者マネージャーである Ferran Alet 氏は語っています。

それ以来、モデル開発者は AI 予報モデルの主要な弱点への対策を進めてきました。AI モデルは、実際に有用な範囲よりも広い 15〜25 平方キロメートルを予測対象としてしまう傾向があり、降雨の予測が必ずしも得意ではないこと、そして政府機関が生み出す形式化されたデータセットに依存し続けていることが挙げられます。

WeatherNext 3 はこれら 3 つの課題すべてに対処します。主要な変数について、研究者は TechCrunch に対し、5km の解像度まで予測できると明言しました。降雨に関する評価では WeatherNext 2 よりも 60% 改善されており、従来の 6 時間ごとの予測ではなく、1 時間ごとの予報を生成できるようになりました。

画像クレジット：Google / Google

これらの改善は、設計者が下した具体的な選択の結果です。WeatherNext 3 は前世代よりも 2.4 倍大きなモデルで、デコーダヘッドの予測対象を調整し、より有用な回答を得られるようにしています。多くの気象予報が 3D グリッド全体での平均値として出力される中、DeepMind の研究者たちはすでに、サイクロンの経路も可視化できるようにモデルを調整したことで称賛を集めています。

今回はさらに、設計者が予測対象を特定の気象観測データステーションに合わせるようモデルを訓練しました。これは、より詳細な予報を提供できるだけでなく、特定の基準となる実測データに対してモデルの性能を評価するためにも重要です。

「多くの AI アプリケーションにおいて重要なのは、タスクを可能な限りエンドツーエンドで実行することです」と、Brightband の大気科学者であるダニエル・ローテンバーグ氏は語ります。「このモデルが、デンバー空港の観測ステーションで1 時間ごとに測定される天候を予測する機能を追加することで、予報タスクを中核にさらに近づけることができます。」

このモデルは、1 時間ごとに収集されるリアルタイムの気象衛星データを直接取り込むことができるため、より頻繁な予測が可能になっています。AI モデルに気象スーパーコンピュータが生成した分析データではなく、生の実測観測値を入力することは、より精度の高い予測をもたらす可能性がありますが、未加工のデータに対応させる技術的な課題はまだ残っています。

Google は WeatherNext 3 を「高解像度の全球予測において、生データ（raw observations）を直接取り込んだ最初の AI モデル」と位置付けていますが、AI 気象スタートアップの WindBorne は、2025 年後半から自社の気球群やその他の情報源からの生データを WeatherMesh 6 に組み込んでいると主張しています。これについて Google は、自社の予測が全球でより高解像度であることを強調しました。いずれにせよ、両モデルとも依然として国家の気象データセットに依存して予測を行っているため、真の意味での生データの直接同化にはさらなる取り組みが必要です。

LLM（大規模言語モデル）が注目を集める一方で、気象分野におけるトランスフォーマー技術の革新も同等に重要です。欧州や米国の気象機関はすでに予測製品に AI モデルを採用しており、その高速性と低コストは、高品質なセンサーやスーパーコンピュータの導入費用が高すぎて正確な予測が届かない貧しい地域にも経済的な恩恵をもたらす可能性があります。

ビル・ゲイツ氏は最近、AI による天気予報が技術の重要な恩恵の一つであると指摘しました。より精度の高い予報は、途上国における農作物の収量向上に寄与するのです。

DeepMind の研究者であるアレト氏によると、風や雨、雲の覆いといった要素をより高解像度で予測できるようになれば、再生可能エネルギープロジェクトの信頼性を高めるのに役立つと述べています。

「結局のところ、Google が目指しているのはユーザーにとって有益な情報を提供することです。ユーザーが求めていることの多くは、何らかのかたちで天気に関わっているものばかりなのです」とアレト氏は話しています。

*当記事内のリンクを通じてご購入いただいた場合、私たちは少額のコミッションを受け取る場合があります。ただし、これは当社の編集の独立性には一切影響しません。*