WeatherNext 2 ของ Google คืออะไร: AI ก้าวกระโดดสู่อนาคต

หากคุณเป็นคนหนึ่งที่ตรวจสอบพยากรณ์อากาศก่อนออกจากบ้าน คุณคงรู้ว่าแอปพยากรณ์ อากาศ นั้นสำคัญพอๆ กับโทรศัพท์ของคุณเลยทีเดียว แอปยอดนิยมได้แก่ BBC Weather, Met Office, Apple Weather, The Weather Channel และ AccuWeather ซึ่งล้วนแต่เชื่อถือได้สำหรับการวางแผนกิจกรรมในแต่ละวัน อย่างไรก็ตาม สิ่งที่กำลังจะมาพร้อมกับ รุ่นใหม่ของ Google นั้น สัญญาว่าจะยกระดับมาตรฐานขึ้นไปอีกขั้น: WeatherNext 2มีเป้าหมายที่จะเร่งความเร็ว ปรับปรุง และทำให้การพยากรณ์อากาศที่เราใช้เป็นประจำนั้นมีประโยชน์มากขึ้นกว่าเดิม

ระบบ AIนี้เป็นผลลัพธ์จากความร่วมมือระหว่าง Google DeepMind และ Google Research โดยมีเป้าหมายที่จะสร้างการพยากรณ์อากาศได้เร็วกว่าวิธีการแบบดั้งเดิมถึง 8 เท่าด้วยความละเอียดเชิงเวลาสูงสุดถึงหนึ่งชั่วโมง และสามารถจำลองสถานการณ์ได้หลายร้อยแบบจากจุดเริ่มต้นเพียงจุดเดียว ความก้าวหน้าครั้งนี้เริ่มเห็นได้ชัดเจนแล้วในผลิตภัณฑ์ที่คุณใช้ในชีวิตประจำวัน เช่นการพยากรณ์อากาศใน Google Search, Google Gemini , Pixel Weather และ Google Maps Platform APIที่ได้รับการอัปเดตเพื่อใช้ประโยชน์จากเทคโนโลยีใหม่นี้ และยังมีฟีเจอร์เพิ่มเติมสำหรับ Google Maps ที่กำลังจะตามมา

WeatherNext 2 คืออะไร และทำไมทุกคนถึงพูดถึงมัน?

WeatherNext 2 คือระบบพยากรณ์อากาศที่ใช้ AI ของ Google รุ่นที่สอง แตกต่างจากแบบจำลองเชิงกำหนดแบบดั้งเดิม ระบบนี้เน้นการสร้างสถานการณ์ที่เป็นไปได้หลายแบบโดยคำนึงถึงหลักฟิสิกส์ของระบบบรรยากาศ โดยเริ่มต้นจากสภาพอากาศเริ่มต้นเพียงแบบเดียว ระบบสามารถสร้างผลลัพธ์ที่หลากหลายได้ภายในเวลาไม่ถึงนาที ช่วยในการคาดการณ์ทั้งรูปแบบสภาพอากาศที่มีโอกาสเกิดขึ้นมากที่สุดและสภาวะสุดขั้วที่มีโอกาสเกิดขึ้นน้อยซึ่งเป็นกุญแจสำคัญในการจัดการความเสี่ยง

การเปลี่ยนแปลงนี้มีความสำคัญในเชิงปฏิบัติด้วยเช่นกัน กล่าวคือ แทนที่จะพึ่งพาการคำนวณที่ใช้เวลานานหลายชั่วโมงบนซูเปอร์คอมพิวเตอร์ด้วยแบบจำลองเชิงตัวเลข WeatherNext 2 จะทำการประมวลผลโดยใช้TPU (Tensor Processing Unit)และได้ผลลัพธ์การพยากรณ์อากาศหลายร้อยรายการในเวลาอันรวดเร็ว ประสิทธิภาพนี้ไม่ได้เป็นเพียงแค่การปรับปรุงรูปลักษณ์ภายนอกเท่านั้น แต่ยังหมายถึงการตัดสินใจที่รวดเร็วยิ่งขึ้นเมื่อจำเป็นต้องดำเนินการอย่างเร่งด่วน เช่น ในกรณีที่เกิดพายุรุนแรงหรือลมแรงที่ส่งผลกระทบต่อโครงสร้างพื้นฐานที่สำคัญ

วิธีการทำงาน: เครือข่ายเชิงสร้างสรรค์เชิงฟังก์ชันที่อยู่เบื้องหลังโมเดล

หัวใจสำคัญทางเทคนิคของระบบนี้เรียกว่าเครือข่ายสร้างฟังก์ชัน (Functional Generative Network หรือ FGN)สถาปัตยกรรมนี้จะฉีด "สัญญาณรบกวน" ที่ควบคุมได้เข้าไปในพื้นที่การทำงานของแบบจำลองโดยตรง ช่วยให้การจำลองรักษาความสอดคล้องทางกายภาพและความสัมพันธ์ระหว่างตัวแปรต่างๆ ในทางปฏิบัติ แทนที่จะกำหนดวิถีเดียว แบบจำลองจะสร้างเส้นทางที่เป็นไปได้หลายเส้นทางสำหรับสถานะของบรรยากาศ ซึ่งเข้ากันได้และสอดคล้องกับกฎของระบบเอง

วิธีที่เข้าใจง่ายที่สุดคือ ลองนึกถึงวงออร์เคสตราที่ซ้อมเพลงเดียวกันเป็นส่วนๆ แต่ละกลุ่มทำงานในส่วนของตนเองด้วยการเปลี่ยนแปลงเล็กน้อย แต่ทุกส่วนจะเข้ากันได้อย่างลงตัวเมื่อรวมกัน ในทำนองเดียวกัน FGN ช่วยให้เครือข่ายต่างๆ สามารถเรียนรู้แง่มุมต่างๆ ของสภาพอากาศแยกจากกัน นำเสนอความแปรปรวน และยังคงสร้างการพยากรณ์ร่วมกันที่สอดคล้องกับหลักการทางกายภาพได้

แนวทางนี้เอาชนะข้อจำกัดของการพยากรณ์แบบ "เฉพาะส่วน" ซึ่งอธิบายตัวแปรเพียงตัวเดียว (เช่น อุณหภูมิที่แน่นอน ณ จุดและเวลาใดเวลาหนึ่ง) เครือข่ายพยากรณ์แบบเต็มรูปแบบ (FGN) ช่วยให้การเปลี่ยนไปสู่การพยากรณ์แบบบูรณา การเป็นไปได้ง่ายขึ้น โดยที่อุณหภูมิ ลม ความชื้น และตัวแปรอื่นๆ มีการเปลี่ยนแปลงไปในลักษณะที่สัมพันธ์กัน ซึ่งมีความสำคัญอย่างยิ่งต่อการจับภาพปรากฏการณ์ที่ซับซ้อนและการรวมเหตุการณ์สุดขั้วที่มีโอกาสเกิดขึ้นต่ำเข้าไว้ในขอบเขตของสถานการณ์ต่างๆ

อีกแง่มุมที่สำคัญคือ โมเดลนี้ได้รับการฝึกฝนโดยใช้สิ่งที่นักวิจัยเรียกว่า"ข้อมูลแบบหลวมๆ" จากสภาพภูมิอากาศ นั่นคือการวัดตัวแปรต่างๆ เช่น ความเร็วลม อุณหภูมิ และความชื้น ณ สถานที่เฉพาะเจาะจง จากข้อมูลเพียงจุดเดียวนี้ FGN สามารถอนุมานและคาดการณ์พลวัตของระบบสภาพอากาศขนาดใหญ่ระบุพื้นที่เสี่ยงต่อคลื่นความร้อน และประเมินว่าฟาร์มกังหันลมสามารถผลิตพลังงานได้มากแค่ไหนภายใต้สภาวะในอนาคต

ความเร็ว ความละเอียด และขอบเขตการคาดการณ์

ในแง่ของตัวชี้วัด การพัฒนาจากเวอร์ชันก่อนหน้านั้นก้าวหน้าอย่างมาก: ตามข้อมูลของ Google WeatherNext 2 ทำได้ดีกว่า 99,9% ของตัวแปรที่วิเคราะห์ (อุณหภูมิ ลม ความชื้น และอื่นๆ) ในทุกช่วงเวลาการพยากรณ์ตั้งแต่0 ถึง 15 วันยิ่งไปกว่านั้น ยังมีความละเอียดเชิงเวลาสูงสุดถึงหนึ่งชั่วโมง ทำให้สามารถพยากรณ์ได้อย่างแม่นยำยิ่งขึ้นในกรณีที่ต้องการรายละเอียดเพิ่มเติม เช่น ในการจัดการโครงข่ายไฟฟ้าหรือการดำเนินงานด้านโลจิสติกส์

ประสิทธิภาพการคำนวณก็เป็นปัจจัยสำคัญที่เปลี่ยนแปลงทุกอย่าง ในขณะที่การจำลองแบบเดิมต้องใช้เวลาหลายชั่วโมงบนซูเปอร์ คอมพิวเตอร์ WeatherNext 2 สามารถคำนวณสถานการณ์ต่างๆ ได้หลายร้อยสถานการณ์ในเวลาไม่ถึงนาทีโดยใช้ TPU และยังมีรายละเอียดการทำงานที่น่าสนใจอีกอย่างหนึ่งคือ ระบบจะประมวลผลสภาพอากาศล่าสุด และจากนั้นสร้างการพยากรณ์อากาศ 6 ชั่วโมงสี่ครั้งต่อวัน โดยรวมเอาความแปรปรวนต่างๆ เข้ามาด้วยโดยใช้ FGN เพื่อครอบคลุมความเป็นไปได้ต่างๆ อย่างละเอียดมากขึ้น

• ขอบฟ้าที่ถูกปกคลุม: ตั้งแต่การคาดการณ์ปัจจุบันและระยะสั้นถึง 15 วัน โดยมีการปรับปรุงความแม่นยำที่ชัดเจน
• การแก้ไขปัญหาชั่วคราว: นานถึงหนึ่งชั่วโมง มีประโยชน์สำหรับการตัดสินใจทันทีในภาคส่วนที่ละเอียดอ่อน
• ความจุสถานการณ์: หลายร้อยในเวลาไม่ถึงหนึ่งนาทีจากสถานะเริ่มต้นเดียว
• การคำนวณที่มีประสิทธิภาพ: การดำเนินการบน TPU โดยไม่จำเป็นต้องใช้ซูเปอร์คอมพิวเตอร์จำนวนมาก

การบูรณาการเข้ากับผลิตภัณฑ์ของ Google และความพร้อมใช้งานของชุมชน

เทคโนโลยี WeatherNext 2 กำลังช่วยปรับปรุงการค้นหา, Gemini, Pixel Weatherและ API ของ Google Maps Platform อยู่แล้ว นอกจากนี้ Google ยังประกาศว่าในอีกไม่กี่สัปดาห์ข้างหน้า เราจะได้เห็นการปรับปรุงที่เห็นได้ชัดเจนใน Google Mapsที่เกี่ยวข้องกับข้อมูลสภาพอากาศ ทำให้ตรวจสอบสภาพอากาศและการพยากรณ์อากาศได้ง่ายขึ้นสำหรับสถานการณ์ต่างๆ

ในส่วนของการเข้าถึงข้อมูล Google ระบุว่าการพยากรณ์อากาศจาก WeatherNext 2 สามารถใช้งานได้ใน Earth Engine และ BigQueryนอกจากนี้ ยังได้เปิดตัวโปรแกรมทดลองใช้งานล่วงหน้าบน Vertex AI (Google Cloud) ซึ่งช่วยให้บริษัทและทีมงานด้านเทคนิคสามารถทำการวิเคราะห์ข้อมูลแบบกำหนดเองและปรับแต่งโมเดลให้ตรงกับความต้องการของตนได้ ซึ่งเป็นเส้นทางตรงสู่การนำไปใช้งานในสภาพแวดล้อมจริง

ในอนาคต ทีมงาน Google DeepMind และ Google Research กล่าวว่าพวกเขากำลังสำรวจความสามารถใหม่ๆเพื่อบูรณาการแหล่งข้อมูลมากขึ้น ขยายการเข้าถึง และดำเนินการเปลี่ยนงานวิจัยล้ำสมัยให้เป็นแอปพลิเคชันที่มีผลกระทบสูงต่อไป พวกเขาให้คำมั่นสัญญาว่าจะทำให้เครื่องมือใหม่เหล่านี้พร้อมใช้งานสำหรับชุมชนทั่วโลกเพื่อเร่งความก้าวหน้าทางวิทยาศาสตร์และปรับปรุงการตัดสินใจ

จากห้องทดลองสู่ชีวิตประจำวัน: อะไรที่เปลี่ยนแปลงไปสำหรับผู้ใช้

ความแตกต่างที่สำคัญคือ WeatherNext 2 สามารถจำลองสถานการณ์สภาพอากาศได้หลายร้อยแบบจากข้อมูลป้อนเข้าเพียงอย่างเดียว และแสดงสถานการณ์ที่น่าจะเป็นไปได้มากที่สุด รวมถึงสถานการณ์ที่เลวร้ายที่สุดที่ต้องระวัง สิ่งนี้มีประโยชน์อย่างยิ่งสำหรับการวางแผนการเดินทาง เที่ยวบิน การเดินทางไปทำงาน ห่วงโซ่อุปทานหรือการดำเนินงานของบริษัทขนส่งสินค้า ซึ่งการเปลี่ยนแปลงสภาพอากาศเพียงเล็กน้อยอาจนำไปสู่ค่าใช้จ่ายหรือความล่าช้าได้

หากคุณใช้โทรศัพท์ Pixel อยู่แล้ว คุณคงทราบดีว่าแอปพยากอากาศของ Pixel นั้นขึ้นชื่อเรื่องความคมชัด ด้วย WeatherNext 2 การพยากอากาศใน Pixel Weather และ Searchจึงแม่นยำและรวดเร็วยิ่งขึ้น ช่วยให้คุณเห็นข้อมูลสำคัญได้อย่างรวดเร็ว รวมถึงช่วงความเป็นไปได้ต่างๆ แทนที่จะเป็นเพียงตัวเลขมองโลกในแง่ดีเพียงตัวเดียวที่เปลี่ยนแปลงในนาทีสุดท้าย

Google ระบุว่าความก้าวหน้านี้จะช่วยลดการพึ่งพาเรดาร์และดาวเทียมอย่างที่เคยใช้กันมา เนื่องจากแบบจำลองนี้เรียนรู้รูปแบบจากข้อมูลจำนวนมากทั้งในอดีตและปัจจุบัน อย่างไรก็ตาม จุดเด่นของระบบใหม่นี้ไม่ได้อยู่ที่การแทนที่ทุกอย่าง แต่เป็นการสร้างการพยากรณ์ที่มีประโยชน์มากขึ้นโดยการบูรณาการสัญญาณต่างๆ และจัดการกับความไม่แน่นอนได้อย่างรวดเร็ว

กรณีการใช้งาน: จากพลังงานสู่การจัดการเหตุฉุกเฉิน

• บริการฉุกเฉิน: ประเมินสถานการณ์ล่วงหน้าของพายุรุนแรง น้ำท่วม หรือลมแรง เพื่อเปิดใช้งานโปรโตคอลได้ทันเวลา
• พลังงานหมุนเวียน: เพื่อประเมินการผลิตในอนาคตของฟาร์มลมหรือพลังงานแสงอาทิตย์ โดยปรับอุปทานให้สอดคล้องกับความต้องการอย่างแม่นยำยิ่งขึ้น
• การขนส่งและโลจิสติกส์: เพิ่มประสิทธิภาพเส้นทางและหน้าต่างการดำเนินการเมื่อเผชิญกับฝน หิมะ หรือลมกระโชกแรง เพื่อลดความล่าช้าและต้นทุนให้น้อยที่สุด
• ภาคส่วนสาธารณะและการประกันภัย: วิเคราะห์ความเสี่ยงใน สถานการณ์เลวร้ายที่สุด ความน่าจะเป็นต่ำและผลกระทบสูงต่อการตอบสนองขนาดและการครอบคลุม
• การวิจัยและการศึกษา: สำรวจพลวัตของเหตุการณ์สุดขั้วและเปรียบเทียบ สถานการณ์ร่วม เพื่อให้เข้าใจบรรยากาศได้ดีขึ้น

มันมีอะไรให้บ้างเมื่อเทียบกับวิธีการดั้งเดิม?

แบบจำลองสภาพอากาศเชิงตัวเลขแก้สมการทางฟิสิกส์ของชั้นบรรยากาศโดยใช้ตารางความละเอียดสูง และโดยธรรมชาติแล้วจึงต้องการพลังการประมวลผลจำนวนมาก AI ของ WeatherNext 2 ไม่ได้ละเลยหลักฟิสิกส์: มันเรียนรู้จากข้อมูลในอดีตและสถานะปัจจุบันเพื่อสร้างสถานการณ์ที่เป็นไปได้ซึ่งสอดคล้องกับกฎเหล่านั้น แต่ทำเช่นนั้นด้วยต้นทุนการประมวลผลที่ต่ำกว่าและใช้เวลาน้อยกว่ามาก

ข้อได้เปรียบที่สำคัญของมันคือความสามารถในการครอบคลุมความเป็นไปได้ทั้งหมดอย่างแม่นยำ รวมถึงกรณีสุดขั้วที่มีความสำคัญต่อการวางแผน ในขณะที่ก่อนหน้านี้จำเป็นต้องใช้การจำลองขนาดใหญ่และมีค่าใช้จ่ายสูงเพื่อประมาณความไม่แน่นอนนี้ FGN นำเสนอความแปรปรวนแบบ "อัจฉริยะ" ที่สอดคล้องกับหลักการทางกายภาพ ทำให้สามารถ สำรวจ วิถีการเคลื่อนที่ได้หลายร้อยแบบเกือบจะในเวลาจริง

ข้อจำกัด ความรับผิดชอบ และแนวปฏิบัติที่ดี

สิ่งสำคัญที่ควรจำไว้คือหลักการพื้นฐานข้อหนึ่ง นั่นคือบรรยากาศเป็นระบบที่ไร้ระเบียบแม้จะมี AI ก็ไม่สามารถทำนายได้อย่างแม่นยำ 100% อันตรายของเครื่องมือที่เข้าถึงง่ายและดูเหมือนจะแม่นยำคือ ผู้ใช้ทั่วไปจะเข้าใจผิดว่าทุกอย่างถูกต้อง ในขณะที่ความจริงแล้วมีเพียงความน่าจะเป็น ดังนั้นจึงจำเป็นอย่างยิ่งที่ส่วนติดต่อผู้ใช้จะต้องสื่อสารความไม่แน่นอนและต้องรักษาความรู้พื้นฐานทางด้านอุตุนิยมวิทยาเอาไว้

มีเสียงวิพากษ์วิจารณ์ว่าการ " ปล่อยให้ใครก็ได้ใช้ WeatherNext 2 " โดยปราศจากการตรวจสอบจากผู้เชี่ยวชาญนั้นเป็นความคิดที่ดีหรือไม่ เช่นเดียวกับอัลกอริทึมตรวจหามะเร็งที่ต้องให้รังสีแพทย์ตรวจสอบความถูกต้องของผลลัพธ์ เครื่องมือนี้มีประสิทธิภาพสูงมาก แต่การตีความอย่างละเอียด โดยเฉพาะในสถานการณ์ด้านความปลอดภัยและการป้องกันตนเองยังคงต้องการการตัดสินใจจากผู้เชี่ยวชาญ

ประสบการณ์ล่าสุดเกี่ยวกับเหตุการณ์สภาพอากาศรุนแรงแสดงให้เห็นถึงเรื่องนี้ ในเหตุการณ์อย่างพายุ DANA ในวาเลนเซียการตัดสินใจที่ล่าช้าอาจทำให้ผลกระทบรุนแรงขึ้น ระบบที่สามารถให้ข้อมูลสถานการณ์เลวร้ายที่สุดได้อย่างรวดเร็วและส่งคำเตือนที่ชัดเจนจะช่วยให้มีเวลาอันมีค่าในการเปิดใช้งานแผนฉุกเฉินและลดความเสี่ยง นี่คือจุดที่การปรับปรุงความเร็วและความละเอียดมีความสำคัญอย่างยิ่ง

หัวใจสำคัญคือการผสานสิ่งที่ดีที่สุดจากทั้งสองด้านเข้าด้วยกัน: พลังของ AIในการสร้างสถานการณ์จำลองที่สมบูรณ์และรวดเร็ว และการตรวจสอบโดยผู้เชี่ยวชาญเพื่อปรับปรุงข้อความและแนวทางปฏิบัติ หากมีการสื่อสารอย่างตรงไปตรงมาเกี่ยวกับขอบเขตและความน่าจะเป็น ผลลัพธ์ที่ได้คือประชาชนที่มีความพร้อมมากขึ้นโดยปราศจากความรู้สึกมั่นใจที่ผิดพลาด

การเข้าถึงสำหรับบริษัท นักวิทยาศาสตร์ และนักพัฒนา

สำหรับผู้ที่ต้องการทำงานกับข้อมูลจำนวนมาก Google ได้เปิดให้ใช้งานการพยากรณ์อากาศ WeatherNext 2 ใน Earth Engine และ BigQueryซึ่งช่วยอำนวยความสะดวกในการค้นหา วิเคราะห์ และเปรียบเทียบกับแหล่งข้อมูลอื่นๆ และสำหรับผู้ที่ต้องการปรับแต่งโมเดลให้ตรงกับความต้องการเฉพาะของตนเอง ก็มีโปรแกรม Early Access บน Vertex AIที่ให้การสนับสนุนการอนุมานโมเดลแบบกำหนดเองและการปรับใช้ในสภาพแวดล้อมการผลิต

แผนงานนี้เกี่ยวข้องกับการบูรณาการแหล่งข้อมูลใหม่การขยายการเข้าถึง และการนำความก้าวหน้าทางการวิจัยไปประยุกต์ใช้จริงอย่างต่อเนื่อง ด้วยแรงผลักดันนี้ หน่วยงานและบริษัทต่างๆ สามารถเร่งการเปลี่ยนผ่านไปสู่การตัดสินใจโดยใช้ข้อมูลเป็นหลักซึ่งสภาพอากาศจะไม่ใช่ปัจจัยที่คาดเดาไม่ได้อีกต่อไป แต่จะกลายเป็นความเสี่ยงที่วัดผลได้และจัดการได้

WeatherNext 2 ถือเป็นก้าวสำคัญในการพยากรณ์อากาศ: เร็วกว่าวิธีการแบบดั้งเดิมถึงแปดเท่าสามารถ ทำนายผลได้แม่นยำกว่า รุ่นก่อนหน้าถึง 99,9% ในช่วงเวลาพยากรณ์ 0-15 วัน และพร้อมที่จะสร้าง สถานการณ์จำลองได้หลายร้อยแบบในเวลาไม่ถึงนาทีจากสถานะเริ่มต้นเพียงสถานะเดียว การบูรณาการกับ Search, Gemini, Pixel Weather และ Maps API กำลังดำเนินการอยู่ ในขณะที่ข้อมูลใน Earth Engine และ BigQuery พร้อมกับการเข้าถึง Vertex AI ในช่วงเริ่มต้น เปิดโอกาสให้กับการใช้งานในระดับมืออาชีพและวิทยาศาสตร์ ซึ่งหากนำไปใช้อย่างถูกต้อง จะสามารถสร้างความแตกต่างอย่างแท้จริงในการเตรียมพร้อมรับมือกับเหตุการณ์สภาพอากาศที่อาจเกิดขึ้นได้

บทความที่เกี่ยวข้อง:

วิธีเดินทางข้ามเวลาบน Google Maps: คู่มือฉบับสมบูรณ์สำหรับการสำรวจอดีตของทุกแห่ง

ไอแซก

นักเขียนผู้หลงใหลเกี่ยวกับโลกแห่งไบต์และเทคโนโลยีโดยทั่วไป ฉันชอบแบ่งปันความรู้ผ่านการเขียน และนั่นคือสิ่งที่ฉันจะทำในบล็อกนี้ เพื่อแสดงให้คุณเห็นสิ่งที่น่าสนใจที่สุดเกี่ยวกับอุปกรณ์ ซอฟต์แวร์ ฮาร์ดแวร์ แนวโน้มทางเทคโนโลยี และอื่นๆ เป้าหมายของฉันคือการช่วยคุณนำทางโลกดิจิทัลด้วยวิธีที่เรียบง่ายและสนุกสนาน