Các nhà khoa học tại Google DeepMind và Google Research đã phát hành một mô hình trí tuệ nhân tạo mới để dự báo thời tiết ngày nay, giúp nhìn thấy bầu không khí đang thay đổi của chúng ta rõ ràng hơn và dự đoán hành vi của nó thường xuyên hơn.
WeatherNext 3 là làn sóng thay đổi lớn nhất trong lĩnh vực khí tượng học do kỹ thuật học sâu mang lại và Google cho biết họ sẽ bắt đầu cung cấp thông tin thời tiết mà người dùng nhìn thấy trong tìm kiếm, Google Maps và Gemini, cũng như cung cấp cho người dùng và nhà nghiên cứu trên nền tảng đám mây của Google.
Samier Merchant, một kỹ sư nhân viên cấp cao của Google, nói với TechCrunch: “Đây sẽ là lần đầu tiên một số biến cốt lõi cung cấp và cung cấp năng lượng cho nhiều sản phẩm của Google”.
Mô hình mới đã được chứng minh là chính xác nhất trong số các đối thủ hàng đầu được thử nghiệm trên Operational WeatherBench, một tiện ích để so sánh các dự báo AI do công ty khởi nghiệp Brightband xây dựng. Nó xem xét các số liệu như nhiệt độ, tốc độ gió và độ ẩm.
Ngoài việc đánh bại các mô hình học sâu khác do Google, Microsoft, Nvidia và Trung tâm Dự báo Thời tiết Trung bình Châu Âu xây dựng, nó còn đánh bại các dự báo truyền thống từ Dịch vụ Thời tiết Quốc gia Hoa Kỳ và ECMWF.
Hầu hết các dự báo thời tiết đều đến từ các siêu máy tính thuộc sở hữu của chính phủ đang miệt mài nghiên cứu các phương trình toán học được viết để mô tả tính chất vật lý của thời tiết; mặc dù các hệ thống này đã trở nên chính xác đáng kể nhưng chúng vẫn đắt tiền và tương đối chậm. Sau khi ECMWF công bố dữ liệu thời tiết kéo dài hơn nửa thế kỷ do các hệ thống này tạo ra vào năm 2018, các nhà nghiên cứu deep learning đã bắt đầu đào tạo các mô hình có thể đưa ra dự đoán nhanh hơn nhiều và có độ chính xác tương đương với các công cụ của chính phủ.
“Thời tiết hỗn loạn và những khác biệt nhỏ thực sự bắt đầu gây nhiễu loạn lớn…Học máy nhắm vào vấn đề mà chúng ta đang thực sự giải quyết, đó là vật lý gần đúng gây nhiễu từ thông tin không đầy đủ và tính toán hữu hạn, do đó, nó học các mẫu từ rất nhiều dữ liệu,” Ferran Alet, nhân viên quản lý nhà khoa học nghiên cứu tại DeepMind.
Kể từ đó, các nhà tạo mô hình đã phát huy những điểm yếu chính của các mô hình dự báo AI: Chúng có xu hướng dự báo trên một khu vực rộng hơn – 15 đến 25 km2 – hơn mức thực sự hữu ích, chúng không phải lúc nào cũng chịu được mưa và chúng vẫn phụ thuộc vào các bộ dữ liệu được định dạng do các cơ quan chính phủ tạo ra.
WeatherNext 3 đảm nhận cả ba thử thách. Về các biến số chính, các nhà nghiên cứu nói với TechCrunch, nó có thể dự đoán ở độ phân giải 5 km. Đánh giá về mưa của nó được cải thiện 60% so với WeatherNext 2 và giờ đây nó có thể đưa ra dự báo hàng giờ, thay vì dự đoán tiêu chuẩn cứ sau sáu giờ.
Những cải tiến đó là kết quả của những lựa chọn cụ thể của các nhà thiết kế. WeatherNext 3 là một mô hình lớn hơn, với nhiều thông số hơn 2,4 lần so với phiên bản trước và điều chỉnh mục tiêu cho các đầu bộ giải mã để đưa ra câu trả lời hữu ích hơn. Trong khi hầu hết các dự báo thời tiết đều đưa ra kết quả dưới dạng số liệu trung bình trên lưới 3D, các nhà nghiên cứu DeepMind đã giành được sự khen ngợi bằng cách điều chỉnh mô hình của họ để trực quan hóa đường đi của lốc xoáy.
Lần này, các nhà thiết kế cũng đào tạo mô hình để nhắm mục tiêu dự báo tới các trạm dữ liệu thời tiết cụ thể. Điều này quan trọng không chỉ trong việc đưa ra các dự đoán chi tiết hơn mà còn để có thể đánh giá hoạt động của nó dựa trên dữ liệu thực tế, cụ thể.
Daniel Rothenberg, một nhà khoa học khí quyển tại Brightband, cho biết: “Ý tưởng, với rất nhiều ứng dụng AI, là cố gắng thực hiện các nhiệm vụ từ đầu đến cuối nhất có thể”. “Việc bổ sung một khả năng mà mô hình này hiện cũng có thể dự đoán, chẳng hạn như những gì trạm thời tiết của sân bay Denver sẽ đo lường hàng giờ, chỉ kết nối nhiệm vụ dự báo đó gần hơn với cốt lõi.”
Mô hình này có thể dự báo thường xuyên hơn vì nó có thể sử dụng dữ liệu vệ tinh thời tiết được thu thập theo thời gian thực hàng giờ. Việc cung cấp các mô hình AI dựa trên các quan sát thực nghiệm thô, thay vì phân tích do siêu máy tính thời tiết tạo ra, hứa hẹn đưa ra dự báo chính xác hơn, nhưng vẫn còn thách thức về mặt kỹ thuật để khiến các mô hình hoạt động với dữ liệu chưa được định dạng.
Google cho biết WeatherNext 3 là mô hình AI “đầu tiên” kết hợp trực tiếp các quan sát thô cho dự báo toàn cầu có độ phân giải cao, nhưng công ty khởi nghiệp thời tiết AI WindBorne cho biết mô hình của họ, WeatherMesh 6, đã kết hợp các quan sát thô từ đội khinh khí cầu thời tiết và các nguồn khác kể từ cuối năm 2025. Khi được hỏi về điều đó, Google chỉ ra rằng các dự báo của họ có độ phân giải cao hơn trên toàn cầu. Dù vậy, cả hai mô hình vẫn dựa vào bộ dữ liệu thời tiết quốc gia để thực hiện dự báo, do đó sẽ cần nhiều công việc hơn để đồng hóa dữ liệu trực tiếp thực sự.
Trong khi LLM nhận được phần lớn sự chú ý, cuộc cách mạng máy biến áp trong khí tượng học cũng quan trọng không kém. Các cơ quan thời tiết châu Âu và Hoa Kỳ đã sử dụng các mô hình AI trong các sản phẩm dự báo của họ. Tốc độ và chi phí thấp hứa hẹn sẽ mang lại tác động kinh tế cho các khu vực nghèo hơn, nơi chi phí cho các cảm biến và siêu máy tính chất lượng cao đã khiến dự báo chính xác nằm ngoài tầm với.
Bill Gates gần đây đã coi dự báo thời tiết được hỗ trợ bởi AI là một lợi ích quan trọng của công nghệ này, giúp dự báo tốt hơn giúp cải thiện năng suất cây trồng ở các nước đang phát triển. Alet, nhà nghiên cứu DeepMind, cho biết các dự báo có độ phân giải cao hơn về gió, mưa và mây che phủ sẽ hữu ích để làm cho các dự án năng lượng tái tạo trở nên đáng tin cậy hơn.
Alet nói: “Cuối cùng, tôi nghĩ Google nhằm mục đích cung cấp thông tin hữu ích cho người dùng và phần lớn những gì người dùng đang tìm kiếm liên quan đến thời tiết theo cách này hay cách khác”.
Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể kiếm được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập biên tập của chúng tôi.