Google DeepMind เดินหน้ายกระดับเทคโนโลยีปัญญาประดิษฐ์ (AI) สู่การพยากรณ์สภาพอากาศ เปิดเผยความสำเร็จของ WeatherNext Cyclones โมเดล AI สำหรับพยากรณ์ไซโคลนเขตร้อน ซึ่งสามารถคาดการณ์ทั้งเส้นทาง ความรุนแรง และโครงสร้างลมของพายุได้อย่างแม่นยำในระดับแนวหน้าของวงการ
งานวิจัยดังกล่าวได้รับการเผยแพร่ในวารสาร Nature โดยระบุว่า WeatherNext สามารถเพิ่มระยะเวลาการพยากรณ์ที่มีความแม่นยำให้กับนักพยากรณ์ได้เฉลี่ย มากกว่า 1 วัน หรือกว่า 24 ชั่วโมง โดยการพยากรณ์ล่วงหน้า 3 วันของโมเดลให้ผลลัพธ์ใกล้เคียงกับความสามารถของโมเดลรุ่นก่อนที่พยากรณ์ได้เพียง 2 วัน



Google ระบุว่า การพัฒนาดังกล่าวเทียบเท่ากับความก้าวหน้าทางอุตุนิยมวิทยาประมาณ 1 ทศวรรษ สะท้อนบทบาทของ AI ที่เข้ามาเพิ่มขีดความสามารถในการคาดการณ์สภาพอากาศรุนแรง ซึ่งทุกชั่วโมงของการเตือนภัยมีความสำคัญต่อการเตรียมพร้อมของประชาชนและหน่วยงานภาครัฐ

WeatherNext พิสูจน์ใช้งานจริง เตือน Hurricane Melissa

เทคโนโลยี WeatherNext ถูกนำไปใช้งานจริงแล้ว โดยในฤดูเฮอริเคนปี 2025 โมเดลช่วย National Hurricane Center (NHC) ของสหรัฐฯ จัดทำการพยากรณ์ Hurricane Melissa ซึ่งสามารถคาดการณ์การทวีความรุนแรงอย่างรวดเร็วของพายุ และการขึ้นฝั่งในประเทศจาเมกาได้ล่วงหน้า
ผลการพยากรณ์ดังกล่าวช่วยให้ NHC สามารถออกประกาศเตือนภัยล่วงหน้า เปิดโอกาสให้หน่วยงานและทีมปฏิบัติการในพื้นที่มีเวลาสำคัญในการเตรียมรับมือ
สำหรับฤดูพายุปีนี้ ระบบได้รับการยกระดับให้สามารถสร้าง 1,000 สถานการณ์ที่เป็นไปได้สำหรับไซโคลนแต่ละลูก เพื่อให้นักพยากรณ์ประเมินความน่าจะเป็นของสถานการณ์ต่างๆ และประกอบการตัดสินใจได้ละเอียดมากขึ้น

AI โมเดลเดียว พยากรณ์ทั้งเส้นทาง-ความรุนแรง

จุดเด่นของ WeatherNext Cyclones คือการรวมความสามารถที่เดิมต้องอาศัยโมเดลหลายประเภทไว้ใน AI โมเดลเดียว
ที่ผ่านมา การพยากรณ์ เส้นทางพายุ จำเป็นต้องอาศัยโมเดลสภาพอากาศระดับโลกที่สามารถวิเคราะห์กระแสลมและสภาพบรรยากาศในวงกว้าง ขณะที่การคาดการณ์ ความรุนแรงของพายุ ต้องใช้โมเดลความละเอียดสูงเพื่อวิเคราะห์กระบวนการทางกายภาพและอุณหพลศาสตร์บริเวณศูนย์กลางพายุ

WeatherNext เข้ามาเชื่อมข้อจำกัดดังกล่าว โดยสามารถพยากรณ์ทั้งเส้นทาง ความรุนแรง และโครงสร้างลมของไซโคลนเขตร้อนด้วยโมเดล AI เดียว ขณะที่ยังสามารถพยากรณ์สภาพอากาศระดับโลกได้ด้วย

จากการทดสอบข้อมูลไซโคลนในช่วงปี 2023-2024 WeatherNext Cyclones สามารถเพิ่มระยะเวลาการเตือนล่วงหน้าได้เฉลี่ย มากกว่า 24 ชั่วโมง ทั้งด้านเส้นทาง ความรุนแรง และโครงสร้างลม เมื่อเทียบกับโมเดลสภาพอากาศชั้นนำ

ฝึก AI ด้วยข้อมูลเกือบ 20 เทราไบต์

เบื้องหลังความสามารถของ WeatherNext มาจากการฝึก AI ด้วยข้อมูล 2 รูปแบบ ได้แก่ ข้อมูลพลวัตของสภาพอากาศทั่วโลก และข้อมูลสังเกตการณ์ไซโคลนในอดีตที่ผ่านการคัดกรองโดยผู้เชี่ยวชาญ
โมเดลได้รับการฝึกจากข้อมูลชั้นบรรยากาศทั่วโลกเกือบ 20 เทราไบต์ และฐานข้อมูล IBTrACS ซึ่งครอบคลุมไซโคลนในอดีตเกือบ 5,000 ลูก ทำให้ AI สามารถเรียนรู้รูปแบบความสัมพันธ์ของบรรยากาศและพฤติกรรมของสภาพอากาศสุดขั้ว
Google ระบุว่า เมื่อเปรียบเทียบกับพัฒนาการของการพยากรณ์ไซโคลนตลอดช่วง 20 ปีที่ผ่านมา ประสิทธิภาพของ WeatherNext แสดงให้เห็นการพัฒนาครั้งใหญ่ที่เทียบเท่าความก้าวหน้าประมาณ 10 ปี ทั้งในด้านการพยากรณ์เส้นทางและความรุนแรงของพายุ

สร้าง 1,000 ฉากทัศน์ ลุ้นความเสี่ยงพายุรุนแรง

WeatherNext ใช้เทคโนโลยี Functional Generative Networks (FGNs) เพื่อสร้างชุดการพยากรณ์หลายรูปแบบและสะท้อนความไม่แน่นอนของสภาพอากาศ
ระบบสามารถสร้างการพยากรณ์ล่วงหน้า 15 วันได้ภายใน ไม่ถึง 1 นาทีบน TPU ทำให้นักพยากรณ์สามารถประเมินความน่าจะเป็นของสถานการณ์ต่างๆ ได้อย่างรวดเร็ว
จากเดิมในปีที่ผ่านมา WeatherNext สามารถสร้างผลการพยากรณ์พร้อมกัน 50 รูปแบบ ล่าสุดเพิ่มเป็น 1,000 รูปแบบ เพื่อให้สามารถจับสถานการณ์ที่เกิดขึ้นไม่บ่อยแต่สร้างความเสียหายรุนแรง เช่น การทวีความรุนแรงของพายุอย่างรวดเร็ว
อีกหนึ่งจุดที่สร้างความสนใจคือ WeatherNext Cyclones ใช้ข้อมูลความละเอียดเพียง 28x28 กิโลเมตร ซึ่งหยาบกว่าโมเดลแบบดั้งเดิมถึง 100 เท่า แต่ยังสามารถพยากรณ์ความรุนแรงของพายุได้อย่างแม่นยำ
ขณะที่ WeatherNext 2-mini ซึ่งเป็นโมเดลขนาดเล็ก ใช้ข้อมูลความละเอียด 111x111 กิโลเมตร ก็ยังให้ผลลัพธ์ที่ดีเช่นกัน โดยประเด็นดังกล่าวยังเป็นโจทย์วิจัยที่นักวิทยาศาสตร์ต้องศึกษาต่อว่าเหตุใด AI จึงสามารถสร้างผลการพยากรณ์ที่แม่นยำได้แม้ใช้ข้อมูลความละเอียดต่ำ

Google เปิดซอร์ส WeatherNext ดัน AI สู่การรับมือภัยพิบัติ

พร้อมกับการเผยแพร่งานวิจัยใน Nature Google ยังเปิดซอร์ส โค้ดและ Model Weights ของ WeatherNext เพื่อให้ทั่วโลกสามารถนำไปใช้งานและต่อยอดได้ ทั้งในงานวิจัย การพยากรณ์อากาศเชิงปฏิบัติการ รวมถึงการพัฒนาโมเดลเฉพาะทางสำหรับแต่ละพื้นที่
โมเดลที่เปิดให้ใช้งานประกอบด้วย WeatherNext Cyclones ซึ่งใช้ในช่วงฤดูเฮอริเคน, WeatherNext 2 รุ่นอัปเดตที่นำไปใช้งานจริงตั้งแต่เดือนตุลาคม และ WeatherNext 2-mini โมเดลขนาดกะทัดรัดที่สามารถทำงานบน TPU เพียงเครื่องเดียว และทดลองใช้งานผ่าน Google Colab ได้
นอกจากนี้ Google ยังเปิดให้ผู้สนใจสำรวจการพยากรณ์ไซโคลนผ่าน Weather Lab ซึ่งได้รับการปรับปรุงอินเทอร์เฟซและเพิ่มการพยากรณ์สภาพอากาศทั่วโลก ทั้งอุณหภูมิ ปริมาณฝน ความเร็วลม และข้อมูลอื่นๆ ไว้ในมุมมองเดียว
Google ระบุว่า การเปิดเทคโนโลยี WeatherNext สู่สาธารณะมีเป้าหมายเพื่อเร่งการพัฒนาเทคโนโลยีพยากรณ์อากาศทั่วโลก และเพิ่มศักยภาพให้หน่วยงานอุตุนิยมวิทยา นักวิจัย และองค์กรไม่แสวงหากำไร สามารถคาดการณ์เหตุการณ์สภาพอากาศและวางแผนรับมือได้ดีขึ้น
นอกจากการเตือนภัยพิบัติแล้ว เทคโนโลยีดังกล่าวยังสามารถต่อยอดไปสู่การวางแผนพลังงานหมุนเวียน การบริหารโครงสร้างพื้นฐาน และการรับมือกับสภาพอากาศสุดขั้วที่มีแนวโน้มสร้างผลกระทบต่อเศรษฐกิจและสังคมมากขึ้น