# Нова AI-модель Google прогнозує погоду за живими супутниковими даними > Google представила ШІ-модель, яка аналізує супутникові дані наживо й дає прогнози погоди вищої роздільної здатності, ніж попередні системи компанії. - Опубліковано: 4 вересня 2026 р. (2026-09-03T22:07:22.108051+00:00) - Розділ: AI-дослідження - На основі публікації: [Engadget](https://www.engadget.com/2250687/googles-new-ai-weather-model-uses-live-satellite-data-for-higher-resolution-forecasts/) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=%D0%BD%D0%BE%D0%B2%D0%B0-ai-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C-google-%D0%BF%D1%80%D0%BE%D0%B3%D0%BD%D0%BE%D0%B7%D1%83%D1%94-%D0%BF%D0%BE%D0%B3%D0%BE%D0%B4%D1%83-%D0%B7%D0%B0-%D0%B6%D0%B8%D0%B2%D0%B8%D0%BC%D0%B8-%D1%81%D1%83%D0%BF%D1%83%D1%82%D0%BD%D0%B8%D0%BA%D0%BE%D0%B2%D0%B8%D0%BC%D0%B8-%D0%B4%D0%B0%D0%BD%D0%B8%D0%BC%D0%B8 --- Google представила нову ШІ-модель для прогнозування погоди, яка обробляє супутникові дані в реальному часі, а не заднім числом — і завдяки цьому видає прогнози вищої роздільної здатності, ніж попередні системи компанії. [За даними Engadget](https://www.engadget.com/2250687/googles-new-ai-weather-model-uses-live-satellite-data-for-higher-resolution-forecasts/), ключова відмінність нової моделі — саме в джерелі вхідних даних: замість того, щоб чекати на оброблені метеорологічні зведення, вона «дивиться» на живу супутникову стрічку й одразу перетворює її на прогноз. Для індустрії це не разовий трюк, а продовження лінії, яку Google вибудовує вже кілька років: GraphCast (2023) і GenCast (2024) показали, що нейромережі можуть обганяти класичні числові моделі прогнозування погоди (NWP) за точністю й швидкістю, тренуючись на десятиліттях архівних даних ERA5. Нова модель іде на крок далі — вона працює не з архівом, а з даними, які тільки-но надійшли з орбіти. Для AI-білдерів це цікавий кейс не через погоду як таку, а через патерн: спеціалізована модель, натренована на вузькому домені, витісняє інженерний стек, який десятиліттями вважався золотим стандартом науки. ## Що саме змінилося в прогнозах Google? Головна зміна — вхідні дані обробляються наживо, а не з затримкою. Класичні NWP-системи й навіть перші покоління ШІ-моделей Google спираються на попередньо оброблені метеорологічні зведення, які збирають дані з супутників, буїв і наземних станцій у уніфікований формат — цей процес забирає час. Нова модель, за даними Engadget, працює безпосередньо із сирими супутниковими знімками, що скорочує затримку між подією в атмосфері та її появою в прогнозі. Практичний наслідок — вища роздільна здатність. Що менше часу йде на попередню обробку, то детальніше можна змоделювати локальні явища: грозові фронти, різкі перепади опадів, швидкі зміни вітру — те, що класичні моделі із шестигодинним циклом оновлення часто «розмазують» по великих клітинках сітки. ## Чому супутники наживо — це складніше, ніж здається? Сирі супутникові дані — це шум, пропуски через хмарність і різні формати з різних апаратів. Наприклад, щільна хмарність над океаном традиційно означала «сліпу зону» для класичних моделей, які покладалися на розріджену мережу буїв і рідкісні проходи супутників-спостерігачів. Модель має навчитися відфільтровувати цей шум самостійно, без проміжного шару людської чи алгоритмічної очистки, яку класичний конвеєр виконує роками відпрацьованими методами. Це типова задача для великих нейромереж: замінити ланцюжок вузькоспеціалізованих евристик однією моделлю, яка вчиться патернам напряму з сирих сигналів — той самий підхід, що дав перевагу GraphCast і GenCast над фізичними симуляціями. ## Чому це витісняє класичні числові моделі? Класичний NWP розв'язує рівняння гідродинаміки та термодинаміки атмосфери на суперкомп'ютерах — це коштує днів обчислень на кластерах, які займають цілі будівлі. Для порівняння, топові NWP-центри на кшталт ECMWF тримають власні суперкомп'ютерні кластери вартістю в сотні мільйонів доларів саме під ці розрахунки. ШІ-модель, натренована один раз, видає прогноз за секунди-хвилини на значно скромнішому залізі. Це не лише дешевше — це дозволяє оновлювати прогноз частіше, ніж дозволяє фізична симуляція. - Швидший цикл оновлення — прогноз можна перерахувати відразу після надходження нових даних, а не за фіксованим розкладом. - Нижча вартість інференсу порівняно з обчисленнями по фізичних рівняннях на суперкомп'ютерах. - Вища деталізація локальних явищ завдяки скороченій затримці між сирими даними й прогнозом. Ми вже [писали про те, як модель Google обігнала класичні системи прогнозування](https://aiin.news/article?slug=ai-модель-google-для-прогнозу-погоди-обігнала-класичні-системи) — нова розробка розвиває той самий напрям, тепер зі ставкою на дані наживо, а не на архів. ## Висновок AiiN За нашою оцінкою, головний сигнал тут не в метеорології, а в тому, що спеціалізовані ШІ-моделі методично забирають у класичних числових методів науки одну галузь за іншою — спочатку точність, потім швидкість, тепер і саму архітектуру збору даних. Погода — просто зручний полігон, бо там є десятиліття розмічених даних і чіткий критерій успіху: збіглося чи ні. Наступні кандидати на той самий сценарій — це домени з подібною структурою: багато сенсорних даних, фізична модель-еталон для порівняння і високий попит на швидкість. Для AI-білдерів це аргумент дивитися не лише на LLM, а й на вузькоспеціалізовані моделі там, де є великий розмічений архів і повільний класичний конкурент. ## Чи замінить ця модель метеорологів? Ні, і Google не подає її так. Модель автоматизує обчислювальну частину прогнозу, а інтерпретація для конкретних рішень — евакуації, авіації, сільського господарства — лишається за фахівцями, які оцінюють невизначеність і локальний контекст. ## Де побачити ці прогнози на практиці? Google поступово інтегрує напрацювання з лінійки GraphCast/GenCast у власні продукти — пошук погоди, Maps і супутні сервіси, а також публікує моделі для дослідників. Нова модель із живими супутниковими даними, за даними Engadget, продовжує цю ж траєкторію виходу з лабораторії в продукт. --- Теги: AI, Google, GraphCast, прогнозпогоди, наука, машиннавчання Джерело: AiiN — https://aiin.news/article?slug=%D0%BD%D0%BE%D0%B2%D0%B0-ai-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C-google-%D0%BF%D1%80%D0%BE%D0%B3%D0%BD%D0%BE%D0%B7%D1%83%D1%94-%D0%BF%D0%BE%D0%B3%D0%BE%D0%B4%D1%83-%D0%B7%D0%B0-%D0%B6%D0%B8%D0%B2%D0%B8%D0%BC%D0%B8-%D1%81%D1%83%D0%BF%D1%83%D1%82%D0%BD%D0%B8%D0%BA%D0%BE%D0%B2%D0%B8%D0%BC%D0%B8-%D0%B4%D0%B0%D0%BD%D0%B8%D0%BC%D0%B8. Цитуючи, посилайтесь на канонічний URL.