เรามองออกไปนอกหน้าต่างแล้ว ฟ้าครึม จึงคิดว่า ฝนจะตกไหม? คำถามที่ยากกว่านั้น คือ จะตกตรงไหน ตกกี่โมง และหนักแค่ไหน เพราะ ฝน เกิดจากเรื่องเล็ก ๆ ในก้อนเมฆ ที่โมเดลระดับโลก ส่วนใหญ่ มองไม่ทัน/ละเอียดไม่พอ เลยพลาดบ่อย โดยเฉพาะฝนหนักสุดขั้ว และ วงจรฝนรายวัน (ตกเร็วไป ตกผิดเวลา)

12 มกราคม 2569 Google ปล่อย Research ตัวใหม่ชื่อว่า NeuralGCM

NeuralGCM เป็นโมเดลจำลองบรรยากาศแบบ Hybrid ระหว่าง ฟิสิกส์ + AI มาทำงานร่วมกัน เพื่อให้การจำลองอากาศ/ฝน แม่นขึ้น และ Run ได้ไวขึ้นในระดับโลก

ทำไม Google ต้องทำ NeuralGCM เวอร์ชันฝน

  • NeuralGCM แสดงผลว่า พยากรณ์อากาศล่วงหน้า 2–15 วัน ได้ดีขึ้นด้วยการจำลองอุณหภูมิย้อนหลัง หลายสิบปี ได้แม่นกว่าโมเดลดั้งเดิม

แต่ฝนยังเป็นของยากสุด เพราะโมเดลหลายตัวฝึกจากข้อมูลที่ เรียกว่า Reanalysis เป็นข้อมูลผสมระหว่างโมเดลกับการสังเกตจริง ปัญหา คือ ถ้าต้นทางยังมีจุดอ่อนเรื่องฝน เราก็มีโอกาส เรียนรู้สิ่งที่ผิดพลาดมาด้วย

รอบนี้ทีม Google เลยยกระดับไปอีกขั้น:

  • ฝึกส่วนฝนของ NeuralGCM ตรงจากข้อมูลฝนดาวเทียมของ NASA (ช่วงปี 2001–2018) เพื่อให้ AI เห็นฝนจริงมากขึ้น ไม่ได้อิงข้อจำกัดของ reanalysis มากเกินไป งานนี้ถูกเล่าไว้ใน Science Advances (หัวข้อ Neural general circulation models for modeling precipitation)

Framework ทำงานยังไง

NeuralGCM แบ่งงาน เป็น 2 งาน:

  1. ฝั่งฟิสิกส์ (Physics-based modeling)
    • ดูแลระบบใหญ่ของบรรยากาศ → ให้ภาพรวมถูกทาง ไม่หลุดหลักธรรมชาติ
  2. ฝั่ง AI (neural network)
    • จะรับตัวแปรสำคัญ (ที่โมเดลมีอยู่แล้ว) แล้วเรียนรู้เองว่า กระบวนการเล็ก ๆ อย่าง clouds / precipitation ควรออกมาแบบไหน โดยฝึกข้อมูลจาก NASA satellite-based precipitation observations โดยตรง

สิ่งที่ NeuralGCM ทำได้ดีขึ้นกว่าปีก่อน ๆ และเด่น ๆ คือ

  1. จับฝนหนักสุดขั้วดีขึ้น (Top 0.1%)
    • นี่คือ กลุ่มที่สร้างความเสียหายหนักที่สุด—น้ำท่วมฉับพลัน เมืองพัง โลจิสติกส์สะดุด โมเดลจำนวนมากมีปัญหา ฝนเบามาเยอะ แต่ฝนหนักหาย (drizzle problem) NeuralGCM ทำให้ภาพหนัก-เบาใกล้เคียงโลกจริงขึ้น
  2. วงจรฝนรายวันแม่นขึ้น (ตกถูกเวลา)
    • หลายโมเดลทำฝนมาตกเร็วเกินจริงหลายชั่วโมง แต่ NeuralGCM จับช่วงพีคของฝนในวันได้ใกล้เคียงข้อมูลจริงขึ้น โดยเฉพาะบนแผ่นดิน
  3. มองได้ไกล: ใช้ทั้งพยากรณ์ 15 วัน และจำลองหลายปี
    • แม้ความละเอียดตอนนี้ยังประมาณ 280 km (ยังหยาบเกินไปสำหรับพยากรณ์รายพื้นที่แบบปฏิบัติการ) แต่แนวทางนี้เปิดทางให้เอาไปย่อสเกล เพื่อใช้กับงานจริงในอนาคตได้

ข้อสรุป:

NeuralGCM คือ AI ตรวจสภาพฝน โดยเอาฟิสิกส์กับ AI มารวมกัน เพื่อให้การจำลองฝนทั่วโลก ใกล้ความจริงขึ้น โดยเฉพาะ ฝนหนักสุดขั้ว และ ฝนตกถูกเวลาในแต่ละวัน

Source:

Blog Google Research