Mô hình AI dự báo thời tiết mới của Google cho dự báo chính xác hơn -

Các nhà khoa học tại Google DeepMind và Google Research vừa công bố một mô hình trí tuệ nhân tạo (AI) mới dành cho dự báo thời tiết, có khả năng phân tích những thay đổi trong khí quyển chi tiết hơn và đưa ra dự báo thường xuyên hơn.

WeatherNext 3 là phiên bản mới nhất trong làn sóng ứng dụng học sâu đang làm thay đổi ngành khí tượng. Google cho biết mô hình này sẽ được tích hợp vào các thông tin thời tiết mà người dùng nhìn thấy trên Google Search, Google Maps và Gemini, đồng thời được cung cấp cho người dùng và các nhà nghiên cứu thông qua các nền tảng điện toán đám mây của Google.

“Đây sẽ là lần đầu tiên một số biến số cốt lõi được sử dụng để cung cấp dữ liệu và vận hành nhiều sản phẩm của Google,” Samier Merchant, kỹ sư cấp cao tại Google, nói với TechCrunch.

Theo đánh giá trên Operational WeatherBench, công cụ do startup Brightband phát triển để so sánh các hệ thống dự báo AI, WeatherNext 3 hiện đạt độ chính xác cao nhất trong số các mô hình hàng đầu được thử nghiệm. Hệ thống được đánh giá dựa trên các chỉ số như nhiệt độ, tốc độ gió và độ ẩm.

WeatherNext 3 không chỉ vượt qua các mô hình học sâu do Google, Microsoft, Nvidia và Trung tâm Dự báo Thời tiết Trung hạn châu Âu (ECMWF) phát triển, mà còn cho kết quả tốt hơn các hệ thống dự báo truyền thống của Cơ quan Thời tiết Quốc gia Mỹ và ECMWF.

Phần lớn dự báo thời tiết hiện nay dựa vào các siêu máy tính do chính phủ vận hành, xử lý lượng lớn phương trình toán học mô tả các quy luật vật lý của khí quyển. Những hệ thống này ngày càng chính xác nhưng có chi phí vận hành cao và tốc độ xử lý tương đối chậm.

Sau khi ECMWF công bố hơn nửa thế kỷ dữ liệu thời tiết được tạo ra từ các hệ thống này vào năm 2018, các nhà nghiên cứu học sâu bắt đầu sử dụng dữ liệu để huấn luyện những mô hình có thể đưa ra dự báo nhanh hơn nhiều, trong khi vẫn đạt độ chính xác tương đương các công cụ truyền thống.

“Thời tiết mang tính hỗn loạn, vì vậy những khác biệt rất nhỏ cũng có thể nhanh chóng dẫn đến những thay đổi rất lớn. Học máy nhắm trực tiếp vào bài toán mà chúng ta thực sự cần giải quyết: ước tính các quy luật vật lý có nhiễu từ nguồn thông tin không đầy đủ với năng lực tính toán hữu hạn. Vì vậy, mô hình có thể học các quy luật từ một lượng dữ liệu lớn,” Ferran Alet, quản lý nhóm nghiên cứu tại DeepMind, cho biết.

Tuy nhiên, các mô hình AI dự báo thời tiết trước đây vẫn tồn tại một số hạn chế. Chúng thường đưa ra dự báo trên khu vực rộng từ 15-25 km, chưa đủ chi tiết cho nhiều ứng dụng thực tế; khả năng dự báo mưa còn hạn chế; đồng thời vẫn phụ thuộc vào các bộ dữ liệu đã được xử lý và chuẩn hóa bởi các cơ quan khí tượng.

WeatherNext 3 được thiết kế để giải quyết cả ba vấn đề này. Theo các nhà nghiên cứu, mô hình có thể dự báo một số biến số thời tiết quan trọng với độ phân giải lên tới 5 km. Khả năng dự báo mưa được cải thiện 60% so với WeatherNext 2, trong khi tần suất dự báo được nâng từ mỗi 6 giờ lên mỗi giờ.

Những cải tiến này đến từ một loạt thay đổi trong thiết kế mô hình. WeatherNext 3 có số lượng tham số lớn hơn 2,4 lần so với phiên bản trước, đồng thời được tối ưu cách xử lý dữ liệu đầu ra để tạo ra những dự báo hữu ích hơn.

Bên cạnh việc dự báo các chỉ số thời tiết trên một lưới không gian ba chiều, các nhà nghiên cứu DeepMind trước đây đã phát triển khả năng trực quan hóa đường đi của bão xoáy. Với WeatherNext 3, nhóm nghiên cứu tiếp tục huấn luyện mô hình để đưa ra dự báo cho các trạm quan trắc thời tiết cụ thể.

Điều này không chỉ giúp tăng mức độ chi tiết của dự báo mà còn cho phép đối chiếu trực tiếp kết quả của mô hình với dữ liệu thực tế từ từng trạm.

“Ý tưởng chung trong nhiều ứng dụng AI là đưa quy trình xử lý về mức đầu cuối nhất có thể. Khi mô hình có thể dự báo dữ liệu mà một trạm thời tiết tại sân bay Denver chẳng hạn sẽ ghi nhận theo từng giờ, nhiệm vụ dự báo được kết nối trực tiếp hơn với dữ liệu thực tế,” Daniel Rothenberg, nhà khoa học khí quyển tại Brightband, nhận định.

WeatherNext 3 cũng có thể đưa ra dự báo thường xuyên hơn nhờ tiếp nhận dữ liệu từ vệ tinh thời tiết theo thời gian thực, được cập nhật mỗi giờ. Việc đưa trực tiếp các quan sát thực tế vào mô hình AI thay vì chỉ sử dụng dữ liệu đã qua phân tích bởi siêu máy tính khí tượng được kỳ vọng giúp cải thiện độ chính xác, dù xử lý dữ liệu thô vẫn là một thách thức kỹ thuật.

Google gọi WeatherNext 3 là mô hình AI đầu tiên trực tiếp tích hợp dữ liệu quan trắc thô để tạo dự báo toàn cầu với độ phân giải cao. Tuy nhiên, startup AI khí tượng WindBorne cho biết mô hình WeatherMesh 6 của hãng đã sử dụng dữ liệu thô từ mạng lưới khí cầu thời tiết và các nguồn khác từ cuối năm 2025.

Google cho rằng WeatherNext 3 có độ phân giải cao hơn trên phạm vi toàn cầu. Dù vậy, cả hai mô hình hiện vẫn sử dụng dữ liệu khí tượng quốc gia để thực hiện dự báo, cho thấy ngành này còn phải tiếp tục phát triển trước khi có thể hoàn toàn dựa vào dữ liệu quan trắc trực tiếp.

Tỷ phú Bill Gates gần đây cũng nhấn mạnh dự báo thời tiết bằng AI là một trong những lợi ích quan trọng của công nghệ này. Theo ông, dự báo chính xác hơn có thể giúp cải thiện năng suất cây trồng tại các nước đang phát triển.

Alet cho rằng dự báo có độ phân giải cao hơn về gió, mưa và độ che phủ mây cũng có thể giúp các dự án năng lượng tái tạo hoạt động ổn định hơn.

“Cuối cùng, mục tiêu của Google là cung cấp thông tin hữu ích cho người dùng, và rất nhiều điều người dùng quan tâm đều có liên quan đến thời tiết theo cách này hay cách khác,” Alet nói.