Google DeepMind và Google Research vừa giới thiệu WeatherNext 3, mô hình AI dự báo thời tiết có thể cập nhật thường xuyên hơn. Mô hình cũng quan sát khí quyển ở mức chi tiết cao hơn. Theo TechCrunch, Google dự kiến đưa dữ liệu từ mô hình này vào công cụ tìm kiếm, Google Maps và Gemini. Dữ liệu cũng sẽ được cung cấp cho người dùng và giới nghiên cứu qua nền tảng đám mây của hãng.
WeatherNext 3 tạo dự báo theo từng giờ và đạt độ phân giải 5 km đối với một số biến số. Nếu Google triển khai những dữ liệu này tại Việt Nam, các sản phẩm của hãng có thể cung cấp thông tin thời tiết cục bộ và kịp thời hơn. Tuy nhiên, Google chưa công bố thời điểm tích hợp mô hình vào từng sản phẩm, phạm vi hoạt động hoặc hiệu quả dự báo tại Việt Nam.
Dự báo theo giờ ở độ phân giải 5 km
Theo các nhà nghiên cứu trao đổi với TechCrunch, WeatherNext 3 có thể dự báo một số biến số quan trọng ở độ phân giải 5 km. Kết quả đánh giá khả năng dự báo mưa của mô hình được cải thiện 60% so với WeatherNext 2. Mô hình mới cũng tạo dự báo theo từng giờ, thay vì chu kỳ tiêu chuẩn sáu giờ.
Đây là bước tiến đáng chú ý vì các mô hình AI dự báo thời tiết trước đó thường hoạt động trên khu vực rộng từ 15 đến 25 km vuông, chưa đủ chi tiết cho nhiều nhu cầu tại chỗ. Khả năng dự báo mưa cũng là một điểm yếu lâu nay của phương pháp này.
Operational WeatherBench là công cụ so sánh dự báo AI do công ty khởi nghiệp Brightband xây dựng. Trong thử nghiệm trên công cụ này, WeatherNext 3 đạt độ chính xác cao nhất trong nhóm mô hình hàng đầu được đánh giá. Hệ thống xem xét các chỉ số như nhiệt độ, tốc độ gió và độ ẩm.
Theo Brightband, WeatherNext 3 vượt các mô hình học sâu của Google, Microsoft, Nvidia và Trung tâm Dự báo Thời tiết Hạn vừa châu Âu. Mô hình cũng đạt kết quả tốt hơn dự báo truyền thống của Cơ quan Thời tiết Quốc gia Mỹ và trung tâm châu Âu này.
Vì sao AI có thể dự báo nhanh hơn siêu máy tính
Phần lớn hệ thống dự báo thời tiết truyền thống chạy trên siêu máy tính thuộc sở hữu của các cơ quan nhà nước. Chúng giải những phương trình toán học mô tả vật lý khí quyển. Các hệ thống này đã đạt độ chính xác cao, nhưng chi phí vận hành lớn và tốc độ xử lý tương đối chậm.
Trung tâm Dự báo Thời tiết Hạn vừa châu Âu công bố hơn nửa thế kỷ dữ liệu thời tiết vào năm 2018. Theo TechCrunch, sau đó các nhà nghiên cứu học sâu bắt đầu huấn luyện những mô hình tạo dự báo nhanh hơn nhiều. Các mô hình này vẫn đạt độ chính xác tương đương công cụ của chính phủ.
Ferran Alet, quản lý nhóm nghiên cứu tại DeepMind, giải thích rằng thời tiết có tính hỗn loạn. Vì vậy, những khác biệt nhỏ ban đầu có thể gây ra biến động rất lớn. Học máy phù hợp với bài toán này vì nó học quy luật từ lượng dữ liệu lớn. Mục tiêu là xấp xỉ một hệ vật lý có nhiễu khi thông tin và năng lực tính toán đều hữu hạn.
Cách vận hành đó vẫn cần một nền tảng tính toán đủ mạnh. Bài viết về hạ tầng AI và các thành phần vận hành giải thích rõ hơn vai trò của tài nguyên tính toán, dữ liệu và lớp triển khai phía sau một mô hình.
WeatherNext 3 thay đổi cách xử lý dữ liệu
Theo Google, WeatherNext 3 có số tham số nhiều gấp 2,4 lần mô hình tiền nhiệm. Nhóm phát triển cũng điều chỉnh mục tiêu cho các đầu giải mã để mô hình đưa ra kết quả hữu ích hơn.
Thông thường, hệ thống dự báo xuất dữ liệu dưới dạng các chỉ số trung bình trên một lưới ba chiều. Các nhà nghiên cứu DeepMind trước đây đã điều chỉnh mô hình để trực quan hóa cả đường đi của xoáy thuận. Với WeatherNext 3, họ tiếp tục huấn luyện hệ thống để dự báo trực tiếp những gì từng trạm thời tiết cụ thể có thể ghi nhận.
Cách tiếp cận theo trạm giúp dự báo chi tiết hơn và cho phép đối chiếu kết quả với dữ liệu quan sát thực tế. Daniel Rothenberg là nhà khoa học khí quyển tại Brightband. Ông lấy ví dụ mô hình có thể dự đoán theo giờ số liệu mà trạm thời tiết tại sân bay Denver ở Mỹ sẽ đo được. Ví dụ này thuộc thị trường Mỹ. Tuy vậy, nó cho thấy dự báo đang được đưa đến gần điểm quan trắc hơn thay vì chỉ tồn tại trên một lưới khu vực rộng.
Dữ liệu vệ tinh giúp mô hình cập nhật mỗi giờ
WeatherNext 3 có thể dự báo thường xuyên hơn vì tiếp nhận dữ liệu vệ tinh thời tiết theo thời gian thực mỗi giờ. Mô hình còn sử dụng các quan sát thực nghiệm thô. Cách xử lý này có thể giúp dự báo chính xác hơn so với việc chỉ dùng phần phân tích do siêu máy tính thời tiết tạo ra.
Dù vậy, xử lý dữ liệu thô chưa được định dạng vẫn là một thách thức kỹ thuật. Google gọi WeatherNext 3 là mô hình AI đầu tiên trực tiếp tích hợp quan sát thô để tạo dự báo toàn cầu có độ phân giải cao.
Tuyên bố này còn có điểm cần làm rõ. Theo TechCrunch, công ty AI thời tiết WindBorne cho biết WeatherMesh 6 của họ đã sử dụng quan sát thô từ đội khinh khí cầu thời tiết và các nguồn khác kể từ cuối năm 2025. Google phản hồi rằng dự báo của hãng có độ phân giải cao hơn trên phạm vi toàn cầu.
Cả WeatherNext 3 và WeatherMesh 6 vẫn phụ thuộc vào các bộ dữ liệu thời tiết cấp quốc gia để tạo dự báo. Vì vậy, ngành này vẫn cần thêm nghiên cứu trước khi có thể đồng hóa dữ liệu trực tiếp một cách hoàn chỉnh.
Tác động tiềm năng ngoài dự báo hằng ngày
Các cơ quan thời tiết tại châu Âu và Mỹ đã sử dụng mô hình AI trong sản phẩm dự báo. Tốc độ xử lý cao và chi phí thấp hơn có thể đặc biệt hữu ích tại những khu vực nghèo, nơi cảm biến chất lượng cao và siêu máy tính vẫn quá đắt.
Nội dung ứng dụng đối với nông nghiệp
Bill Gates gần đây nhận định dự báo thời tiết bằng AI là một lợi ích quan trọng của công nghệ. Dự báo tốt hơn có thể cải thiện năng suất cây trồng tại các nước đang phát triển. Nông nghiệp Việt Nam chịu ảnh hưởng trực tiếp từ mưa, gió và nhiệt độ, nên đây là hướng ứng dụng đáng chú ý. Tuy nhiên, nguồn tin chưa cung cấp kết quả thử nghiệm riêng cho thị trường trong nước.
Alet cho biết dự báo gió, mưa và độ che phủ mây ở độ phân giải cao hơn cũng có thể giúp các dự án năng lượng tái tạo hoạt động ổn định hơn. Đây là bài toán liên quan trực tiếp đến khả năng cân bằng nguồn điện biến động, chủ đề cũng xuất hiện trong cách nhà máy điện ảo phối hợp các nguồn năng lượng.
WeatherNext 3 chưa loại bỏ hoàn toàn sự phụ thuộc vào dữ liệu của các cơ quan khí tượng. Mô hình có độ phân giải 5 km và đưa ra dự báo theo giờ. Khả năng dự báo mưa được cải thiện 60%, còn quan sát thô có thể được đưa vào quy trình xử lý. Nếu Google tích hợp đầy đủ những năng lực này vào các sản phẩm của hãng, thông tin thời tiết trước khi ra đường có thể cụ thể và kịp thời hơn.
Hãy tiếp tục theo dõi Sine để cập nhật cách AI đang thay đổi dự báo thời tiết, năng lượng và những quyết định hằng ngày.
