Google DeepMindとGoogle Researchは9月3日、次世代の気象予測AI「WeatherNext 3」を発表しました。従来の15〜25キロメートル単位だった予測を5キロメートル単位まで細かくし、雨の的中率も前バージョンから60%向上したといいます。今後は検索やマップ、Geminiといった主要サービスに組み込まれ、天気データが数億人規模のユーザーの目に直接触れることになります。
背景と文脈
天気予報はこれまで、大気の物理法則をスーパーコンピューターで解く数値予報モデルが主流でした。膨大な計算資源が必要な一方、局地的な急な雨や短時間の変化をとらえるのが苦手という弱点があります。GoogleはWeatherNextシリーズで、機械学習を使い過去の観測データからパターンを学習させる手法に取り組んできました。DeepMindのFerran Alet氏は「天気はカオス的な現象であり、機械学習は本当に解くべき問題に的を絞れる」と説明しています。数値予報が物理法則を一つひとつ計算していくのに対し、機械学習モデルは過去の実際の気象パターンから統計的な関係を学び取る点が根本的に異なります。計算コストを抑えながら局地的な特徴を捉えやすいのが利点です。
WeatherNext 3はパラメータ数がWeatherNext 2の2.4倍に増えました。パラメータとは、モデルが学習の過程で調整する内部の数値のことで、数が多いほど複雑なパターンを表現できる一方、学習や推論に必要な計算量も増えます。単純な大規模化だけでなく、入力データの質を見直した点も特徴です。従来モデルの弱点として指摘されていたのが、局地的な急変に弱い点と、離散化されたデータを使うことによる情報の目減りでした。WeatherNext 3はこの2点に絞って改善を加えた形になります。
技術/ビジネス面
WeatherNext 3は、政府機関が整形して配信する数値データに頼るのではなく、衛星から届く生の観測データを1時間おきに取り込む方式に変えました。さらに実際の観測地点の値をピンポイントで予測するよう学習させることで、現地の実測値との誤差を検証しやすくしています。出力側も見直され、台風の進路を可視化する専用の処理などが加わりました。予測の更新頻度も、標準的な6時間おきから1時間おきに引き上げています。
Google社内でのエンジニアリングを率いるSamier Merchant氏は「Googleの主要サービスの中核データを、これほど直接的に置き換えるのは今回が初めて」と述べています。検索結果の天気カード、マップ上の経路案内、Geminiへの質問への回答まで、同じ予測エンジンが裏側で動く形になります。1つのモデルの精度改善が、複数の製品に一斉に波及する構図です。競合ではMicrosoftやIBMも独自の気象AIを提供していますが、検索・マップ・音声アシスタントを横断して同一エンジンを配る規模は今のところGoogleが先行しています。
これからどうなるか
気象データの用途は天気予報アプリだけにとどまりません。風力や太陽光といった再生可能エネルギー事業では発電量の予測精度が収益に直結しますし、農業では作付けや収穫の判断材料になります。Google自身も、こうした分野への波及効果を見込んでいると説明しています。ただし各国の公式気象データとの併用は今後も続く見通しで、AIモデルが政府機関の観測網を完全に置き換えるわけではありません。学習データの提供元である公式観測網が縮小すれば、AIモデル自体の精度も長期的には低下しかねないため、両者は補完関係が続くとみられます。
開発者にとっては、天気APIを組み込んだアプリやIoT機器の精度が、裏側のモデル更新だけで底上げされる可能性がある点が実利です。自前で気象予測ロジックを持たなくても、既存のGoogle系APIを使うだけで局地的な精度向上の恩恵を受けられる場面が増えそうです。配送ルートの最適化や屋外イベントの運営支援など、天気に左右される業務システムを作っている開発者は、今後のAPI仕様の更新情報を追っておく価値があります。
まとめ
WeatherNext 3は、局地的で細かい予測を機械学習で実現し、Googleの主要サービスに直接組み込まれる点が新しさです。AIが裏方のインフラとして生活に溶け込んでいく一例といえます。
参考リンク
アイキャッチ画像: Photo by CHUTTERSNAP on Unsplash
