เปิดตัว WeatherNext 3: Google DeepMind ยกระดับพยากรณ์อากาศสู่ความละเอียด 5 กิโลเมตร อัปเดตทุกชั่วโมง

วันที่ 3 กันยายน 2569 Google DeepMind ร่วมกับ Google Research ประกาศเปิดตัวโมเดล AI พยากรณ์อากาศระดับโลกรุ่นใหม่ WeatherNext 3 ซึ่งทางบริษัทระบุว่าเป็นโมเดลพยากรณ์อากาศระดับโลกที่ก้าวหน้าที่สุดในขณะนี้ จุดต่างสำคัญจากแบบจำลองเชิงตัวเลขแบบเดิมที่ประมวลผลเพียงไม่กี่ครั้งต่อวัน คือ WeatherNext 3 อัปเดตทุกชั่วโมงตามข้อมูลเรียลไทม์จากดาวเทียมวงโคจรค้างฟ้า ทำให้การพยากรณ์ตามทันสภาพอากาศจริงได้อย่างต่อเนื่อง

สเปก: ความละเอียดถึงระดับ 5 กิโลเมตร คมชัดกว่ารุ่นก่อนราว 5 เท่า

ความละเอียดเชิงพื้นที่ที่ประกาศออกมาแบ่งเป็นชั้นดังนี้:

• อุณหภูมิและความชื้นที่ผิวพื้น: ความละเอียด 5 กิโลเมตร
• ตัวแปรผิวพื้นอื่น ๆ: ความละเอียด 10 กิโลเมตร
• ตัวแปรระดับสูง รวมถึงความเร็วลม: ความละเอียด 25 กิโลเมตร

โดยรวมภาพพยากรณ์คมชัดกว่า WeatherNext 2 ประมาณ 5 เท่า ความละเอียดที่เพิ่มขึ้นไม่ได้หมายถึงภาพที่สวยขึ้นเท่านั้น เพราะในระดับ 5 กิโลเมตร ฝนช่วงบ่ายที่ตกฝั่งไซต์ก่อสร้างหรือตกอีกเขตหนึ่ง ย่อมนำไปสู่การตัดสินใจสั่งงานที่แตกต่างกันโดยสิ้นเชิง

ก้าวกระโดดด้านการพยากรณ์ฝน: ดีขึ้นพร้อมกันทั้งสามเกณฑ์

ปริมาณน้ำฝนถือเป็นตัวแปรที่พยากรณ์ยากที่สุดมาโดยตลอด WeatherNext 3 แสดงผลดีขึ้นในเกณฑ์อ้างอิงอิสระทั้งสามชุด:

• เทียบกับชุดข้อมูลฝนจากดาวเทียม IMERG: ดีขึ้นสูงสุด 60%
• เทียบกับระบบเรดาร์ MRMS ของสหรัฐฯ: ดีขึ้น 30%
• เทียบกับค่าตรวจวัดจริงจากสถานีวัดน้ำฝน: ดีขึ้น 10%
• ความแม่นยำของฝนระยะกลางเกินหนึ่งวัน: ดีขึ้นสูงสุด 50%

ช่องว่างระหว่างตัวเลขทั้งสามมีนัยสำคัญในตัวเอง กล่าวคือ ยิ่งใกล้การตรวจวัดจริงบนพื้นดินมากเท่าใด ตัวเลขการปรับปรุงยิ่งอนุรักษ์นิยมมากขึ้น ซึ่งสะท้อนการนำเสนออย่างตรงไปตรงมา มิใช่การเลือกเฉพาะเกณฑ์ที่ดูดีที่สุดมาโฆษณา ส่วนความแม่นยำระยะกลางที่เพิ่มขึ้น 50% นั้นเชื่อมโยงโดยตรงกับการตัดสินใจล่วงหน้า เช่น จะหยุดงานก่อสร้างในอีกสามวันข้างหน้าหรือไม่ หรือควรเร่งสั่งสินค้าก่อนกำหนดหรือไม่

นอกจากนี้ WeatherNext 3 ยังเพิ่มผลลัพธ์สองรายการที่ตอบโจทย์ภาคอุตสาหกรรม ได้แก่ การพยากรณ์ความเร็วลมที่ความสูง 100 เมตร ซึ่งตรงกับระดับดุมกังหันลม สำหรับผู้ประกอบการพลังงานหมุนเวียนใช้ประเมินกำลังผลิตไฟฟ้า และการพยากรณ์แบบระบุพิกัดสถานีตรวจวัดโดยตรง ซึ่งให้ค่าพยากรณ์เฉพาะพิกัดที่ต้องการได้ทันที มิใช่ให้เพียงค่าประจำกริด

จากโมเดลวิจัยสู่โครงสร้างพื้นฐานเชิงปฏิบัติการ

สิ่งที่น่าสนใจยิ่งกว่าตัวโมเดล คือความเร็วในการนำไปใช้งานจริง WeatherNext 3 เริ่มใช้งานทันทีใน:

• Google Search, Gemini App และ Google Maps
• Maps Platform Weather API ซึ่งนักพัฒนาเชื่อมต่อได้โดยตรง
• Earth Engine
• ดาวน์โหลดข้อมูลย้อนหลังและข้อมูลพยากรณ์แบบชุดใหญ่ผ่าน BigQuery และ Cloud Storage

กล่าวอีกนัยหนึ่ง โมเดลเดียวกันให้บริการทั้งผู้ใช้ทั่วไปที่เพียงต้องการทราบว่าพรุ่งนี้ฝนจะตกหรือไม่ และนักพัฒนาองค์กรที่ต้องการนำค่าความน่าจะเป็นของฝนเข้าสู่ระบบวางแผนงาน ในด้านความแม่นยำ ทางบริษัทอ้างอิงผลประเมินอิสระจาก Brightband เป็นเครื่องยืนยัน แทนการเสนอเพียงตัวเลขที่ประเมินด้วยตนเอง ซึ่งถือเป็นประเด็นที่ควรบันทึกไว้ในยุคที่การกล่าวอ้างสมรรถนะของโมเดล AI มักเกินจริง

ความหมายต่อผู้บริหาร

สภาพอากาศถูกมองว่าเป็นตัวแปรภายนอกที่ควบคุมไม่ได้มาโดยตลอด และทำได้เพียงแก้ไขภายหลัง แต่เมื่อการพยากรณ์มีความละเอียด 5 กิโลเมตร อัปเดตทุกชั่วโมง และเรียกใช้ผ่าน API ได้โดยตรง สภาพอากาศจึงเปลี่ยนจากภาพข่าวมาเป็นข้อมูลอีกหนึ่งคอลัมน์ที่ป้อนเข้าระบบได้ สำหรับการจัดตารางงานก่อสร้าง การบริหารช่วงไฮซีซัน–โลว์ซีซันของโรงแรม การเตรียมวัตถุดิบสด และการจัดรถขนส่ง คำถามแรกที่ควรถามคือ ปัจจุบันมีการตัดสินใจใดบ้างที่เราต้องกันสต็อกเพิ่ม กันเวลาเผื่ออีกหนึ่งวัน หรือจัดคนเพิ่มอีกหนึ่งกะ เพียงเพราะความไม่แน่นอนของสภาพอากาศ เมื่อระบุต้นทุนแฝงเหล่านี้ออกมาได้ จึงจะประเมินได้ว่าพยากรณ์ที่แม่นยำขึ้นมีมูลค่าเท่าใดต่อองค์กร ซึ่งสำคัญกว่าการรีบเชื่อมต่อ API