Google DeepMindがWeatherNext 3を発表：解像度5倍、1時間ごとの高精度予測

外出時に傘を持つべきかどうか、天気予報を見て迷った経験は誰にでもあるはずです。従来の予報では「地域一帯が雨」とされていても、自分のいる場所は晴れていて、数キロ先だけが土砂降りというケースは珍しくありません。

局地的な天候は変化が激しく、スーパーコンピュータを用いた従来の物理シミュレーションでは約6時間のタイムラグが発生し、リアルタイムの急変に追いつけなかったのが実情です。

Google DeepMindとGoogle Researchは、最新の気象AIモデル「WeatherNext 3」を発表しました。独立評価機関Brightbandのリアルタイム検証でも、現時点で世界最高峰の精度を記録しています。

研究発表にとどまらず、同日からGoogle検索、Gemini、Googleマップ、Google Earth Engineなどの各プロダクトに即座に組み込まれました。

6時間の遅れを解消、リアルタイム衛星データを直接学習

前世代のWeatherNext 2を含む多くの気象AIは、従来の数値予報（NWP）のシミュレーション出力を教師データにしていました。物理計算は非常に重く、データに6時間の遅れが生じるため、急発達する雨雲などの変化を捉えきれない弱点がありました。

WeatherNext 3はこの課題を根本から変えています。世界中の静止気象衛星が捉えるリアルタイム画像と、地上の気象観測所データを直接モデルに入力する仕組みを採用しました。

最新の観測データを取り込み続けることで、世界規模の予報を1時間ごとに更新できるようになり、従来のタイムラグを一掃しました。

解像度も飛躍的に向上しています。従来のWeatherNext 2は25キロ四方のグリッドで6時間ごとの予測でしたが、WeatherNext 3は地表の気温や湿度といった主要指標を最高5キロの解像度で出力します。全体としての精細度は約5倍に向上しました。

気象条件が数キロ単位で激変する海岸沿いや山岳地帯でも、地形に沿ったきめ細かな予報が可能になります。

降水予測精度が大幅向上、再エネ運用にも対応

気象予測において最も難関とされるのが雨や雪の予測です。雲の微細な物理現象はスケールが小さく、これまでのAIモデルでは境界線がぼやけた予測になりがちでした。

GoogleはNASAの衛星降水観測データ「IMERG」やレーダー再解析データを組み合わせてモデルを訓練しました。

その結果、中期予報におけるCRPSスコアでIMERG比最大60%の改善を達成し、雨量計の実測値に対しても精度が向上しました。一般ユーザーが翌日以降の予定を立てる際の降水確率予測も、最大で50%正確になっています。

さらに、再生可能エネルギー向けに特化した予測変数も追加されました。風力発電の風車高度に相当する上空100メートルの風速や、太陽光発電に直結する日射量や雲量をピンポイントで算出できます。

なぜ重要か

WeatherNext 3の真の価値は、高精度な局地気象予報のコストを劇的に引き下げた点にあると考えられます。

これまで5キロ単位の高解像度予報を実行できたのは、膨大な予算とスーパーコンピュータを持つ先進国の気象機関に限られていました。アフリカや中南米、アジア太平洋の多くの地域では計算リソースの不足から、大まかな予報に頼らざるを得ない状況が続いていました。Googleがこれをグローバルに1時間単位で無料または低コストなAPIとして開放した意義は非常に大きいです。

一般ユーザーにとっては、検索やマップの雨雲通知の信頼性が一気に高まり、開発者や企業もBigQuery経由で高度な気象データを即座にビジネスへ活用できます。

従来の物理シミュレーションを挟まず、生協衛星データから直接推論させるアーキテクチャは極めて合理的で、シミュレーション起因のバイアスを排除できています。

ただし、純粋な機械学習ベースの予測は、過去に例を見ない観測史上初の異常気象に対して物理的な整合性を維持できるかという課題が残されており、今後の実証が注目されます。