WeatherNext เปิดซอร์สโมเดลพยากรณ์พายุหมุน: เตือนภัยล่วงหน้าเพิ่มอีกหนึ่งวัน พร้อมเปิดโค้ดและค่าน้ำหนักทั้งหมด

เมื่อวันที่ 6 สิงหาคม 2569 Google DeepMind ได้เผยแพร่ผลงานล่าสุดของโมเดลพยากรณ์พายุหมุนเขตร้อน WeatherNext โดยงานวิจัยได้รับการตีพิมพ์ในวารสาร Nature ในวันเดียวกัน และในวันเดียวกันนั้นเองก็ได้เปิดซอร์สโมเดลออกสู่สาธารณะ ทั้งซอร์สโค้ดและค่าน้ำหนักถูกเผยแพร่บน GitHub พร้อมตัวอย่างการใช้งานบน Colab และแสดงผลเชิงภาพผ่าน Weather Lab จังหวะการเปิดตัวคือประเด็นที่ควรเน้นก่อน นี่ไม่ใช่รูปแบบ “ตีพิมพ์ผลงานก่อน แล้วค่อยว่ากันเรื่องโมเดล” แต่เป็นการส่งมอบงานวิจัยและโมเดลที่ใช้งานได้จริงพร้อมกัน

โมเดลที่เปิดซอร์สในครั้งนี้มีสามรุ่น ได้แก่

• WeatherNext Cyclones — รุ่นที่ใช้ปฏิบัติงานจริงในฤดูเฮอริเคนแอตแลนติก ปี 2568
• WeatherNext 2 — โมเดลพยากรณ์อากาศทั่วไปที่เปิดซอร์สในชุดเดียวกัน
• WeatherNext 2-mini — รุ่นน้ำหนักเบา ใช้ TPU เพียงตัวเดียวก็รันได้

สเปก: กริดหยาบกว่า แต่เร็วระดับนาที

WeatherNext ใช้ความละเอียดข้อมูลนำเข้าที่ 28×28 กิโลเมตร เมื่อเทียบกับแบบจำลองเชิงตัวเลขระดับโลก (ราว 9 ถึง 13 กิโลเมตร) ถือว่าหยาบกว่าราว 3 เท่าเมื่อวัดตามความยาวด้าน แต่หากคิดตามพื้นที่และเทียบกับแบบจำลองเชิงตัวเลขระดับภูมิภาคความละเอียดสูงราว 3 กิโลเมตร จะหยาบกว่าประมาณหนึ่งร้อยเท่า กล่าวอีกนัยหนึ่งคือ โมเดลไม่ได้ชนะด้วยการแบ่งกริดให้ละเอียดขึ้น แต่ชนะด้วยโครงสร้างเชิงสถิติที่โมเดลเรียนรู้มา ข้อมูลฝึกฝนประกอบด้วยข้อมูลอุตุนิยมวิทยาราว 20TB ร่วมกับฐานข้อมูลพายุในอดีต IBTrACS และใช้สถาปัตยกรรม Functional Generative Networks (FGN) บน TPU การพยากรณ์ล่วงหน้า 15 วันหนึ่งรอบใช้เวลาไม่ถึงหนึ่งนาที ขณะที่การพยากรณ์แบบกลุ่ม (ensemble) ขยายได้ถึง 1,000 สมาชิก เพื่อแสดงการกระจายเชิงความน่าจะเป็นของเส้นทางและความรุนแรง แทนที่จะให้ “คำตอบเดียว”

ผลลัพธ์: “หนึ่งวัน” ที่เพิ่มขึ้นหมายถึงอะไร

ตามคำอธิบายของ Google DeepMind โมเดลเพิ่มเวลาเตือนภัยล่วงหน้าได้ราวหนึ่งวันในสามด้าน คือเส้นทาง ความรุนแรง และโครงสร้างสนามลม นั่นหมายความว่าการพยากรณ์ล่วงหน้า 3 วันในวันนี้ มีความแม่นยำเทียบเท่ากับการพยากรณ์ล่วงหน้า 2 วันในอดีต ในเชิงตัวเลข การพยากรณ์ 3 วันมีความคลาดเคลื่อนของตำแหน่งราว 100 กิโลเมตร และความคลาดเคลื่อนของความรุนแรงราว 11 นอต ทางบริษัทระบุว่าเทียบเท่ากับ “ความก้าวหน้าทางอุตุนิยมวิทยา 10 ปี” ซึ่งเป็นคำกล่าวของ Google DeepMind เอง จึงควรพิจารณาในฐานะการประเมินตนเองของผู้พัฒนา มิใช่ข้อสรุปจากบุคคลที่สามที่เป็นกลาง

เข้าสู่กระบวนการปฏิบัติงานระดับชาติแล้ว

WeatherNext Cyclones ถูกนำไปใช้จริงโดยศูนย์เฮอริเคนแห่งชาติสหรัฐฯ (NHC) ในฤดูเฮอริเคนแอตแลนติก ปี 2568 เพื่อพยากรณ์การทวีกำลังอย่างรวดเร็วของเฮอริเคน Melissa และการขึ้นฝั่งที่จาเมกา ข้อเท็จจริงนี้แสดงว่าโมเดลได้เข้าสู่กระบวนการปฏิบัติงานของหน่วยงานพยากรณ์ระดับชาติแล้ว ไม่ใช่เพียงคะแนนจากการทดสอบมาตรฐาน

ข้อจำกัดที่ต้องระวัง

การพยากรณ์พายุหมุนโดยธรรมชาติคือการพยากรณ์เชิงความน่าจะเป็น สิ่งที่โมเดลให้คือ “ความเป็นไปได้ที่เส้นทางและความรุนแรงจะตกอยู่ในช่วงใด” ไม่ใช่การหยั่งรู้ภัยพิบัติอย่างแม่นยำ เหตุที่ต้องรัน ensemble ถึง 1,000 สมาชิก ก็เพราะเส้นทางเดี่ยว ๆ ไม่มีความหมายในตัวเอง การเข้าใจว่า “เตือนภัยได้เพิ่มหนึ่งวัน” คือ “มีข้อมูลความน่าจะเป็นสำหรับเตรียมการเพิ่มอีกหนึ่งวัน” นั้นถูกต้อง แต่หากเข้าใจว่า “รู้ล่วงหน้าหนึ่งวันว่าจะเกิดอะไรขึ้นแน่นอน” ถือเป็นการตีความที่ผิด

ความหมายต่อผู้บริหาร

ประเทศไทยเผชิญพายุหมุนเขตร้อนและอุทกภัยจากมรสุมทุกปี ผลกระทบทอดยาวตั้งแต่โรงงานหยุดเดินเครื่อง โลจิสติกส์ล่าช้า วัตถุดิบเสียหายจากความชื้น ไปจนถึงความเสียหายทางการเกษตรและการเคลมประกัน หน้าต่างการเตือนภัยที่เพิ่มขึ้น 24 ชั่วโมง เมื่อแปลเป็นภาษาปฏิบัติการหมายถึงมีเวลาเพิ่มอีกหนึ่งวันเพื่อ

• ยกวัตถุดิบให้สูงขึ้นหรือย้ายออกจากพื้นที่ลุ่มต่ำ
• ปรับตารางกะและการจัดกำลังคน
• แจ้งลูกค้าว่ากำหนดส่งอาจเลื่อนออกไป
• เปิดใช้ซัพพลายเออร์สำรองและเส้นทางขนส่งทางเลือก

อีกทั้งการเปิดซอร์สโดยไม่มีค่าใช้จ่ายยังหมายความว่า ทีมข้อมูลภายในองค์กรหรือหน่วยวิจัยในประเทศสามารถนำไปใช้ต่อยอดตามพิกัดโรงงานของตนเองได้ โดยไม่ต้องรอบริการอุตุนิยมวิทยาเชิงพาณิชย์รายใหญ่ ทั้งนี้สิ่งที่ควรเตรียมก่อนไม่ได้อยู่ที่ฝั่งเทคโนโลยี แต่อยู่ที่คำถามว่า หากพรุ่งนี้ท่านรู้ล่วงหน้าเพิ่มอีกหนึ่งวัน การตัดสินใจข้อใดของท่านจะเปลี่ยนไป หากตอบไม่ได้ ต่อให้พยากรณ์แม่นขึ้นก็ไม่ได้แปลว่าองค์กรจะทนทานขึ้น