Googleの天気予報モデル、精度向上

従来の気象モデルは物理プロセスをシミュレーションする一方、WeatherNext 3のようなAIモデルは過去データからパターンを学習。新モデルは過去の観測データ学習時に、地表の物理情報（陸か海か、標高）を組み込むことで、両者を橋渡しする。このハイブリッド手法で測定可能な改善が得られた。

論文では、前バージョンと欧州中期予報センター（ECMWF）モデルに対する改善を主張。しかし、ホワイトペーパーは、一部変数で予測開始から6時間の性能が悪いことや、降水マップの六角形の塊のような視覚的アーティファクトなど、説明不能な問題を認めている。複数回実行の地表予測における全球平均気温の不一致も、アンサンブル手法の較正に疑問を投げかける。

Googleにとっては、このモデルが主要製品のデフォルト予測ソースとなったため、重要性は高い。チームは情報密度の高い観測データを活用した大きな前進だと述べる。これらの問題が現実世界の信頼性に有意に影響するかは不明だが、モデルが期待通りに動作しない領域として認識され、将来の改良候補となる。