AI

エーアイ

公開：2024-12-06

Google DeepMindが生成AI活用の気象予測モデルGenCastを発表、15日先までの高精度予測が可能に

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

記事の要約

• Google DeepMindが生成AI天気予測モデルGenCastを発表
• 最大15日先までの天気予測が可能
• 従来の最先端システムより高精度な予測を実現

Google DeepMindの高精度天気予測モデルGenCastの詳細

Google DeepMindは生成AIを活用した革新的な天気予測モデルGenCastを2024年12月4日に発表した。GenCastは50以上の予測で構成されるアンサンブルモデルとして設計され、地球の球面形状に適応した拡散モデルを採用することで、従来の最先端システムを上回る精度で天気予測を行うことが可能になっている。^[1]

GenCastはECMWFのERA5アーカイブから過去40年分の気象データを学習しており、0.25度の高解像度で全球的な気象パターンを直接理解することを実現した。従来のシステムと比較して1320の評価項目のうち97.2%で優れた予測精度を示し、36時間以上の予測では99.8%という圧倒的な精度向上を達成している。

GenCastの処理速度も注目に値し、Google Cloud TPU v5を使用することで15日分の予測をわずか8分で生成することが可能だ。従来の物理ベースのモデルが数万プロセッサーを搭載したスーパーコンピューターで数時間を要していた処理時間を大幅に短縮することに成功している。

GenCastの主要機能まとめ

拡散モデルについて

拡散モデルとは、機械学習における生成モデルの一種で、データの確率分布を段階的に学習し生成を行う手法のことを指す。主な特徴として、以下のような点が挙げられる。

• 複雑なデータの確率分布を正確にモデル化可能
• 画像や音楽などの生成で高い性能を発揮
• 段階的な生成プロセスによる制御性の高さ

GenCastでは従来の拡散モデルを地球の球面形状に適応するよう改良し、気象データの特性に合わせた最適化を実現している。ERA5アーカイブの40年分の気象データを学習することで、温度や風速、気圧などの複雑な相互関係を理解し、より精密な予測を可能にしている。

GenCastの天気予測モデルに関する考察

GenCastによる天気予測の高精度化は、気象災害への早期対応や再生可能エネルギーの活用促進など、社会的な価値創出につながる重要な進展である。特に台風などの極端気象現象の予測精度向上は、防災・減災の観点から非常に重要な意味を持つことになるだろう。

一方で、GenCastの予測精度を維持・向上させるためには、継続的なデータ更新と計算リソースの確保が必要不可欠となる。今後は気象データの収集・保存方法の標準化や、計算リソースの効率的な活用方法の確立が課題となってくるだろう。

GenCastの技術は気象予測の枠を超え、より広範な分野での活用も期待できる。気候変動対策や都市計画、農業支援など、様々な領域での応用可能性を秘めており、今後のAI技術と気象学の融合がもたらす革新に注目が集まるはずだ。

参考サイト

1. ^ Google DeepMind. 「GenCast predicts weather and the risks of extreme conditions with state-of-the-art accuracy - Google DeepMind」. https://deepmind.google/discover/blog/gencast-predicts-weather-and-the-risks-of-extreme-conditions-with-sota-accuracy/, (参照 24-12-06).
2. Google. https://blog.google/intl/ja-jp/

※上記コンテンツはAIで確認しておりますが、間違い等ある場合はコメントよりご連絡いただけますと幸いです。

「AI」に関するコラム一覧「AI」に関するニュース一覧