Google DeepMind ve Google Research, bugün hava durumu tahminleri için yepyeni bir yapay zeka modeli tanıttı. "Eşi benzeri görülmemiş bir çözünürlük" sunan bu yeni model, değişen atmosferi çok daha net bir şekilde analiz ediyor ve önceki modele kıyasla beş kat daha keskin bir küresel görüntüyle hava olaylarını daha sık tahmin edebiliyor.
Derin öğrenme teknikleriyle meteoroloji alanında yaşanan köklü değişimin en son halkası olan WeatherNext 3, Google'ın arama sonuçları, Google Haritalar ve Gemini gibi ürünlerindeki hava durumu verilerini besleyecek. Ayrıca model, Google'ın bulut platformları üzerinden tüm kullanıcıların ve araştırmacıların hizmetine de sunulacak.
Google kıdemli mühendislerinden Samier Merchant, konuyla ilgili yaptığı açıklamada şu ifadeleri kullandı: "Bu, temel değişkenlerin ilk kez bu kadar çok Google ürününü besleyip güçlendireceği bir dönem olacak." Merchant, modelin en önemli gelişmelerinden birinin de çoğu küresel yapay zeka modelinin eğitildiği verilerin ötesine geçmek olduğunu belirterek, "Daha taze ve zengin gözlem veri setlerinden yararlanabiliyoruz" dedi.
Yeni model, girişim Brightband tarafından geliştirilen ve yapay zeka tahminlerini karşılaştıran bir araç olan Operational WeatherBench'te test edilen öncü modeller arasında en doğru sonuçları veren model oldu. Sıcaklık, rüzgar hızı ve nem gibi temel ölçümleri inceliyor.
Google, Microsoft, Nvidia ve Avrupa Orta Vadeli Hava Tahminleri Merkezi (ECMWF) tarafından geliştirilen diğer derin öğrenme modellerini geride bırakmasının yanı sıra, ABD Ulusal Hava Durumu Servisi ve ECMWF'nin geleneksel tahminlerini de geçti.
Görsel Kaynağı: BrightbandHava durumu tahminlerinin çoğu, hava olaylarının fiziğini tanımlayan matematiksel denklemleri ağır ağır işleyen devlet süper bilgisayarlarından elde ediliyor. Bu sistemler son derece doğru sonuçlar verse de oldukça pahalı ve yavaşlar. ECMWF'nin 2018 yılında bu sistemler tarafından üretilen yarım asrı aşkın hava durumu verisini yayınlamasının ardından, derin öğrenme araştırmacıları devlet araçlarıyla yarışabilecek doğrulukta ve çok daha hızlı tahminler yapabilecek modeller geliştirmeye başladı.
DeepMind kıdemli araştırma bilimci yöneticisi Ferran Alet konuyla ilgili şunları söyledi: "Hava durumu kaotiktir, bu yüzden küçük farklar gerçekten devasa bozulmalara yol açmaya başlar... Makine öğrenimi, aslında çözmeye çalıştığımız sorunu hedef alıyor; bu da eksik bilgi ve sınırlı işlem gücünden kaynaklanan yaklaşık ve gürültülü fiziktir. Bu nedenle çok sayıda veriden desenler öğreniyor."
O günden bu yana model geliştiricileri, yapay zeka tahmin modellerinin temel zayıf noktalarına odaklandı. Bu modeller genellikle gerçekte ihtiyaç olandan daha geniş bir alanı (15 ila 25 kilometrekare) tahmin etme eğiliminde, yağmur tahminlerinde her zaman başarılı olamıyor ve hala devlet kurumları tarafından üretilen biçimlendirilmiş veri setlerine bağımlı kalıyorlar.
WeatherNext 3 tam da bu üç zorluğun üstesinden geliyor. Araştırmacılar, modelin temel değişkenlerde 5 kilometrelik bir çözünürlüğe kadar tahmin yapabildiğini belirtti. Önceki model WeatherNext 2, 25 kilometrelik bir ızgarada altı saatlik tahminler üretirken, yeni model artık saatlik tahminler üretebiliyor. Hız ve bu yüksek çözünürlük, özellikle hızlı hareket eden hava sistemlerinden kaynaklanan yağmur ve kar tahminlerinde büyük avantaj sağlıyor. Yağmur konusundaki tahmin başarımı WeatherNext 2'ye göre %60 oranında gelişirken, en az bir gün öncesine bakıldığında yağış tahminlerinde %50'ye varan daha yüksek doğruluk sunuyor.
Görsel Kaynağı: GoogleBu iyileştirmeler, tasarımcılar tarafından yapılan özel tercihlerin bir sonucu. WeatherNext 3, selefinden 2,4 kat daha fazla parametreye sahip daha büyük bir model ve daha kullanışlı yanıtlar verecek şekilde decoder başlıklarının hedeflerini uyarlıyor. Çoğu hava durumu tahmini 3 boyutlu bir ızgara üzerinde ortalaması alınan metrikler olarak çıktı verirken, DeepMind araştırmacıları modellerini siklon yollarını da görselleştirecek şekilde ayarlayarak büyük övgü topladı.
Bu sefer tasarımcılar, modeli tahminlerini belirli hava durumu veri istasyonlarına göre uyarlayacak şekilde de eğitti. Bu adım, yalnızca daha ayrıntılı tahminler sunmak için değil, aynı zamanda modelin çalışmalarını belirli ve gerçek dünya verilerine karşı değerlendirebilmek için de büyük önem taşıyor.
Brightband'da atmosfer bilimci olarak görev yapan Daniel Rothenberg konuyu şöyle özetledi: "Birçok yapay zeka uygulamasındaki fikir, görevleri mümkün olduğunca uçtan uca çalıştırmaya çalışmaktır... Bu modele artık Denver havalimanının hava durumu istasyonunun saatlik olarak ne ölçeceğini de tahmin etme yeteneği eklemek, tahmin görevini doğrudan merkeze bağlıyor."
Model, saatlik olarak gerçek zamanlı toplanan hava durumu uydu verilerini işleyebildiği için çok daha sık tahmin yapabiliyor. Yapay zeka modellerini hava süper bilgisayarlarının ürettiği analizler yerine ham ampirik gözlemlerle beslemek daha doğru bir tahmin vadediyor. Ancak modellerin biçimlendirilmemiş verilerle çalışmasını sağlamak hala teknik olarak oldukça zorlu bir süreç.
Google, WeatherNext 3'ün yüksek çözünürlüklü küresel bir tahmin için ham gözlemleri doğrudan entegre eden "ilk" yapay zeka modeli olduğunu iddia ediyor. Ancak yapay zeka tabanlı hava durumu girişimi WindBorne, kendi modeli WeatherMesh 6'nın 2025'in sonlarından beri hava durumu balonları ve diğer kaynaklardan elde edilen ham gözlemleri zaten kullandığını belirtiyor. Bu durum hatırlatıldığında Google, kendi tahminlerinin küresel ölçekte daha yüksek çözünürlüklü olduğuna işaret etti. Her halükarda her iki model de tahminler yapmak için ulusal hava durumu veri setlerine güvenmeye devam ediyor. Gerçek anlamda doğrudan veri asimilasyonu için daha fazla çalışmaya ihtiyaç duyulduğu açık.
Uydu verilerinin kullanılması, yerdeki yağmur ölçerlerin daha az olduğu bölgelerdeki boşlukları da dolduruyor. Google, bu durumun özellikle ABD ve Avrupa dışındaki bölgelerde hava durumu tahminlerinde en büyük iyileşmeleri sağlayabileceğini belirtiyor. Öte yandan Google, modellerini geliştirmek için ABD Ulusal Kasırga Merkezi ve Asya'daki çeşitli kurumlarla da işbirliği yapıyor.
Büyük dil modelleri tüm dikkatleri üzerine çekerken, meteorolojideki dönüştürücü (transformer) devrimi en az onun kadar önemli bir yere sahip. Avrupa ve ABD hava durumu kurumları şimdiden tahmin ürünlerinde yapay zeka modellerini kullanmaya başladı. Bu modellerin hızı ve düşük maliyeti, yüksek kaliteli sensörlerin ve süper bilgisayarların masrafları yüzünden doğru tahminlerin lüks sayıldığı daha yoksul bölgelere büyük ekonomik fayda sağlayacak.
Bill Gates yakın zamanda yapay zeka destekli hava durumu tahminini teknolojinin en kritik faydalarından biri olarak gösterdi ve daha iyi tahminlerin gelişmekte olan ülkelerde mahsul verimlerini artıracağına dikkat çekti. DeepMind araştırmacısı Alet ise rüzgar, yağmur ve bulut örtüsünün daha yüksek çözünürlüklü tahminlerinin yenilenebilir enerji projelerini çok daha güvenilir hale getireceğini vurguladı. Model, özellikle 100 metre yükseklikteki (bir türbinin yüksekliğine yakın) rüzgar hızı gibi yenilenebilir enerji üretimi için kritik tahminler üretecek şekilde tasarlandı.
Ferran Alet, enerji ihtiyaçlarının artan doğasına dikkat çekerek sözlerini şöyle sürdürdü: "Hem Google'ın hem de tüm insanlığın enerji ihtiyaçları artıyor; yenilenebilir enerjiyi çok cazip bir fırsat haline getirdiğimizden emin olmak bizim için çok önemli."
Yapay zeka modelleri giderek daha doğru hale gelse de, geleneksel fizik tabanlı modellerle birlikte çalışmaları bekleniyor. WeatherNext 3 hala fizik tabanlı modellerden elde edilen verilerle eğitiliyor ve hava durumu kurumları uyarı yayınlarken genellikle bir dizi farklı tahmini birlikte değerlendiriyor.
Alet sözlerini şöyle tamamladı: "Sonuçta Google'ın amacının kullanıcıya faydalı bilgi sağlamak olduğunu düşünüyorum ve kullanıcıların aradığı şeylerin çoğu bir şekilde hava durumuyla ilgili."
