これは何の話？ — 事実
Google DeepMindとGoogle Researchは2025年11月17日、AI気象モデル「WeatherNext 2」を発表しました。単一のTPUで数百の天気シナリオを1分以内に生成し、時間分解能1時間で0〜15日の予報を提供。Earth EngineとBigQueryでデータ提供を開始し、Vertex AIの早期アクセスプログラムでカスタム推論を受け付けるとしています。[1]
何がわかったか — 事実
- WeatherNext 2はFunctional Generative Network（FGN）でモデル内部にノイズを注入し、物理整合性を保ったまま多様な予報を生成。単一入力から数百の「マージナル（個別要素）」と「ジョイント（結合現象）」シナリオを作り分けられる。[1]
- 予報精度は先代WeatherNextを99.9%の変数・リードタイムで上回り、1時間分解能や高解像度の空間情報を提供。CRPSなどの指標でも向上したと説明。[1]
- Search、Gemini、Pixel Weather、Google Maps PlatformのWeather API、そしてGoogle Maps本体の天気情報が順次WeatherNext技術にアップデートされる。[1]
他とどう違うのか — 比較
従来の物理ベース数値予報は多くのスーパーコンピュータ時間を必要とし、複数シナリオ（アンサンブル）を得るのにも時間がかかりました。WeatherNext 2は単一TPUで大量のアンサンブルを生成できるため、意思決定に必要な最悪ケースや確率帯をリアルタイムに提供できる点が大きな差別化要素です。[1]
なぜこれが重要か — So What?
物流、航空、インフラ運用など天候依存タスクでは、単一の予報値よりも「どのくらいの幅で起こり得るか」の情報が重要です。WeatherNext 2の高速マルチシナリオ生成はリスク評価と意思決定を迅速化し、気候変動に伴う極端現象への備えにも寄与します。また、SearchやMapsの既存ユーザーにも即座に恩恵を与えます。[1]
未来の展開・戦略性 — 展望
GoogleはWeatherNext 2を公開データ（Earth Engine/BigQuery）とクラウドサービス（Vertex AI）に載せることで、研究者・企業・開発者のイノベーションを促進しつつ、自社プロダクトの差別化を図ります。今後は新データ統合やさらなる解像度向上を研究し、気象産業のAI化をリードする戦略が想定されます。[1]
どう考え、どう動くか — 見解
例：電力・物流企業がWeatherNext 2のデータを取り込み、需要予測やルート最適化を再設計する。
- Earth Engine/BigQueryから提供されるWeatherNext 2データのAPI仕様を確認し、自社データ基盤への接続を検討する。
- Vertex AIの早期アクセスに申し込み、自社向けの推論パイプライン（例：特定地点の確率分布）を試作する。
- Search/Mapsで公開される新しい天気体験をモニターし、自社サービスのUX改善につなげる。
次の一歩：
・今日やること：WeatherNext 2の技術ペーパーとドキュメントを読み、必要な気象指標とデータ取得方法を整理。
・今週やること：Vertex AI早期アクセスへの申請と、Earth Engine/BigQueryでのテストクエリを作成する。
限界と未確定 — 事実
- FGNを含むモデル詳細やコードはまだ公開されておらず、外部再現性は限定的。
- 単一TPUでの高速生成はGoogleインフラ上に依存しており、オンプレ環境での再現は難しい。
- 1時間分解能の性能がすべての地域や気象要素で保証されているわけではなく、実務利用には追加検証が必要。[1]
用語ミニ解説
Functional Generative Network (FGN)：モデル内部にノイズを注入し、物理整合性を崩さずに多様な出力を生成するアーキテクチャ。WeatherNext 2ではマージナルからジョイントまでを一貫して生成する。
Continuous Ranked Probability Score (CRPS)：確率予報の精度を評価する指標。値が低いほど予報分布が観測値に近い。
出典と日付
[1] Google Blog（公開日：2025-11-17／最終確認日：2025-11-18）："WeatherNext 2: Our most advanced weather forecasting model"：https://blog.google/technology/google-deepmind/weathernext-2/