Google công bố mô hình AI dự báo thời tiết WeatherNext 3 có độ chính xác vượt trội

Các nhà khoa học tại hai công ty Google DeepMind và Google Research ngày 3/9 đã công bố một mô hình trí tuệ nhân tạo (AI) mới dành cho việc dự báo thời tiết, giúp quan sát bầu khí quyển đang biến đổi một cách rõ nét hơn và đưa ra dự báo về các diễn biến thời tiết với tần suất dày đặc hơn.  Google cho biết mô hình này sẽ bắt đầu cung cấp dữ liệu cho các thông tin thời tiết hiển thị trên Google Search, Google Maps và Gemini, đồng thời cũng sẽ được cung cấp cho người dùng và các nhà nghiên cứu thông qua những nền tảng đám mây của Google.

Mô hình AI mới nói trên đã chứng tỏ độ chính xác vượt trội so với những đối thủ hàng đầu khi được thử nghiệm trên Operational WeatherBench - một công cụ so sánh các dự báo bằng AI do công ty khởi nghiệp Brightband phát triển. Mô hình này phân tích các chỉ số như nhiệt độ, tốc độ gió và độ ẩm. Không chỉ vượt qua những mô hình học sâu khác do Google, Microsoft, Nvidia và Trung tâm Dự báo Thời tiết Tầm trung châu Âu (ECMWF) phát triển, WeatherNext 3 còn cho kết quả chính xác hơn cả các phương pháp dự báo truyền thống từ Cơ quan Thời tiết Quốc gia Mỹ và ECMWF.

Hầu hết các dự báo thời tiết hiện nay đều dựa vào các siêu máy tính của chính phủ. Các hệ thống này phải xử lý khối lượng công việc khổng lồ để giải quyết những phương trình toán học mô tả những quy luật vật lý của thời tiết. Dù đạt độ chính xác đáng kinh ngạc, các hệ thống này lại rất tốn kém và có tốc độ xử lý tương đối chậm. Sau khi ECMWF công bố dữ liệu thời tiết tích lũy trong hơn nửa thế kỷ từ những hệ thống này vào năm 2018, các nhà nghiên cứu trong lĩnh vực học sâu đã bắt đầu huấn luyện những mô hình có khả năng đưa ra dự báo nhanh hơn nhiều mà vẫn đảm bảo độ chính xác tương đương với các công cụ của chính phủ.

Ông Ferran Alet, người đứng đầu nhóm nhà khoa học nghiên cứu tại DeepMind, cho rằng thời tiết vốn dĩ rất thất thường nên chỉ cần những khác biệt nhỏ cũng có thể dẫn đến những biến động cực lớn. Máy học tập trung giải quyết đúng vấn đề cốt lõi: xử lý các quy luật vật lý phức tạp và nhiễu loạn dựa trên thông tin không đầy đủ cùng nguồn lực tính toán hữu hạn; thông qua đó, hệ thống sẽ tự học những quy luật từ khối lượng dữ liệu khổng lồ. 

Kể từ đó, các nhà phát triển mô hình đã nỗ lực khắc phục những điểm yếu cốt lõi của các mô hình dự báo AI: chúng thường dự báo trên phạm vi rộng (từ 15 km2 đến 25 km2) – mức độ chưa thực sự hữu ích – khả năng dự báo mưa chưa tối ưu, và vẫn phụ thuộc vào các bộ dữ liệu đã qua xử lý từ các cơ quan chính phủ.

WeatherNext 3 giải quyết cả ba thách thức này. Các nhà nghiên cứu cho hay đối với các biến số quan trọng, mô hình AI này có thể dự báo với độ phân giải chi tiết đến mức 5 km2. Hiệu quả dự báo mưa đã cải thiện 60% so với WeatherNext 2, và giờ đây mô hình có thể đưa ra dự báo theo từng giờ thay vì chu kỳ sáu giờ như tiêu chuẩn trước đây.

Những cải tiến này là kết quả từ các lựa chọn cụ thể của đội ngũ thiết kế. WeatherNext 3 là một mô hình quy mô lớn hơn, với số lượng tham số gấp 2,4 lần so với phiên bản tiền nhiệm, đồng thời các mục tiêu cho bộ phận giải mã cũng được tinh chỉnh để đưa ra kết quả hữu ích hơn. Trong khi hầu hết các dự báo thời tiết chỉ xuất ra những chỉ số trung bình trên lưới 3D, các nhà nghiên cứu tại DeepMind đã nhận được nhiều lời khen ngợi nhờ việc tinh chỉnh mô hình để có thể trực quan hóa cả đường đi của các cơn bão.

Lần này, các nhà thiết kế cũng huấn luyện mô hình tập trung dự báo cho các trạm quan trắc thời tiết cụ thể. Điều này không chỉ quan trọng trong việc cung cấp các dự báo chi tiết hơn mà còn cho phép đánh giá hiệu quả hoạt động của mô hình dựa trên dữ liệu thực tế tại hiện trường.

Theo ông Daniel Rothenberg, nhà khoa học khí quyển tại Brightband, ý tưởng chủ đạo của nhiều ứng dụng AI là cố gắng thực hiện các tác vụ theo quy trình khép kín từ đầu đến cuối. Việc bổ sung khả năng dự báo các chỉ số cụ thể, chẳng hạn như dữ liệu mà trạm thời tiết tại sân bay Denver sẽ ghi nhận theo từng giờ, giúp gắn kết chặt chẽ hơn nhiệm vụ dự báo với quy trình cốt lõi.

WeatherNext 3 có thể thực hiện dự báo với tần suất cao hơn nhờ khả năng tiếp nhận dữ liệu vệ tinh thời tiết theo thời gian thực mỗi giờ. Việc cung cấp dữ liệu quan trắc thực tế thô cho các mô hình AI - thay vì sử dụng kết quả phân tích từ các siêu máy tính dự báo thời tiết - hứa hẹn mang lại độ chính xác cao hơn; tuy nhiên, việc vận hành mô hình với dữ liệu chưa qua xử lý vẫn là một thách thức lớn về mặt kỹ thuật. Google cho biết WeatherNext 3 là mô hình AI đầu tiên trực tiếp tích hợp các dữ liệu quan trắc thô để đưa ra dự báo toàn cầu với độ phân giải cao.

Tuy vậy, công ty khởi nghiệp về AI trong lĩnh vực khí tượng WindBorne cho rằng mô hình WeatherMesh 6 của họ đã tích hợp dữ liệu quan trắc thô từ đội ngũ khinh khí cầu khí tượng và các nguồn khác từ cuối năm 2025. Khi được hỏi về vấn đề này, Google nhấn mạnh rằng các dự báo của họ có độ phân giải cao hơn trên phạm vi toàn cầu. Dù vậy, cả hai mô hình vẫn phụ thuộc vào các bộ dữ liệu khí tượng quốc gia để thực hiện dự báo, do đó cần thêm nhiều nỗ lực nữa để đạt được khả năng đồng hóa dữ liệu trực tiếp thực sự./.