Google WeatherNext 2, con AI e architettura FGN su TPU, offre previsioni meteo fino a 15 giorni, più veloci e accurate su Pixel Weather, Gemini e Maps.
© B. Naumkin
Google ha presentato WeatherNext 2, un modello di previsione meteo potenziato dall’AI progettato per offrire una precisione sensibilmente superiore e aggiornamenti più rapidi. Il sistema diventerà la base dei dati meteo in Pixel Weather, Google Search, l’app Gemini e Google Maps. La scelta segnala una spinta coerente a rendere l’intelligenza artificiale lo standard di riferimento per le previsioni in tutto il suo ecosistema.
Secondo l’azienda, WeatherNext 2 elabora previsioni otto volte più velocemente rispetto ai modelli precedenti e produce quattro aggiornamenti ogni sei ore, con un orizzonte fino a 15 giorni. Inoltre supera WeatherNext 1 in termini di accuratezza sul 99% delle variabili meteorologiche — temperatura, precipitazioni, pressione, vento e umidità. Sulla carta, è un salto notevole per una release di seconda generazione.
La novità chiave è il passaggio a un’architettura Functional Generative Network (FGN), che sostituisce i modelli GNN e di diffusione utilizzati nella prima versione. Sfruttando gli ASIC TPU di Google, WeatherNext 2 può generare un’intera previsione in meno di un minuto; modelli fisici comparabili, in esecuzione su un supercomputer, impiegherebbero circa un’ora. Questo divario aiuta a capire l’orientamento di Google verso metodi guidati dai dati in questo ambito.
Google intende distribuire WeatherNext 2 su tutti i suoi servizi che mostrano informazioni meteo. Nelle prossime settimane il nuovo sistema inizierà a generare previsioni in Google Maps. Anche gli utenti di Pixel Weather, Gemini e Google Search vedranno gradualmente una maggiore precisione e letture più stabili. Un rilascio cadenzato che lascia intendere come l’azienda metta la solidità al primo posto mentre amplia la copertura.
WeatherNext 2 analizza variabili meteorologiche interdipendenti senza risolvere equazioni fisiche su un supercomputer; l’AI cerca invece schemi ricorrenti in enormi insiemi di dati. Il risultato è che un quadro previsionale a 15 giorni può essere prodotto in circa un minuto e, quando serve, possono essere generati migliaia di scenari distinti.