Google – memperkenalkan WeatherNext 3 sebagai generasi terbaru teknologi kecerdasan buatan untuk membantu memprediksi kondisi cuaca di berbagai wilayah dunia. Model yang di kembangkan Google DeepMind bersama Google Research ini membawa peningkatan terutama pada ketepatan waktu, resolusi prakiraan, serta kemampuan membaca perubahan cuaca dalam skala lokal.
Google menyebut WeatherNext 3 sebagai model AI cuaca paling maju yang pernah di kembangkannya. Performa teknologi tersebut juga mendapat pengujian melalui Operational WeatherBench, sistem evaluasi independen yang membandingkan kemampuan berbagai model prakiraan cuaca berbasis AI dan metode konvensional.
Berdasarkan evaluasi tersebut, WeatherNext 3 berhasil menempati posisi teratas. Pencapaian ini menjadi bagian dari upaya Google untuk mengatasi salah satu tantangan besar dalam meteorologi, yakni memperkirakan perubahan cuaca yang berlangsung cepat pada wilayah tertentu.
WeatherNext 3 Memanfaatkan Observasi Cuaca Real-Time
Google menjelaskan bahwa WeatherNext 3 dapat mempelajari informasi langsung dari hasil pengamatan cuaca secara real-time. Pendekatan tersebut membantu model menghasilkan prakiraan yang lebih cepat sekaligus relevan dengan kondisi lokal.
Kemampuan ini berbeda dari metode prakiraan cuaca numerik atau numerical weather prediction (NWP) yang selama ini banyak di gunakan. Sistem NWP mengumpulkan berbagai informasi atmosfer dari stasiun cuaca, satelit, dan balon udara. Selanjutnya, superkomputer menjalankan simulasi berdasarkan hukum fisika untuk memperkirakan kondisi atmosfer pada masa mendatang.
Sejumlah model AI cuaca generasi sebelumnya juga menggunakan data hasil pengolahan NWP untuk proses pelatihan. WeatherNext 2, misalnya, masih bergantung pada informasi tersebut dalam jumlah besar.
Namun, proses pengolahan NWP membutuhkan waktu. Menurut Google, data tersebut dapat mengalami keterlambatan sekitar enam jam sebelum model menggunakannya. Jeda waktu itu menjadi kendala ketika sistem harus memprediksi fenomena atmosfer yang berkembang dengan cepat.
Data Satelit Langsung Tingkatkan Ketajaman Prakiraan
WeatherNext 3 menggunakan strategi berbeda untuk mengurangi keterlambatan tersebut. Google memasukkan data mentah dari satelit geostasioner secara langsung ke dalam model dan menggabungkannya dengan data analisis cuaca konvensional.
Selain itu, tim pengembang melatih sistem menggunakan informasi dari berbagai stasiun cuaca yang tersebar di banyak lokasi. Dengan demikian, model tidak hanya mempelajari kondisi atmosfer berdasarkan data yang sebelumnya telah diproses melalui NWP.
Pendekatan tersebut memungkinkan WeatherNext 3 menghasilkan pembaruan prakiraan cuaca global setiap jam.
Sebagai perbandingan, WeatherNext 2 sebelumnya menghasilkan prediksi pada resolusi sekitar 25 kilometer dengan pembaruan setiap enam jam. Google menyebut gambaran cuaca yang di hasilkan WeatherNext 3 kini sekitar lima kali lebih tajam di bandingkan generasi sebelumnya.
Resolusi yang semakin tinggi dapat memberikan manfaat besar untuk daerah dengan kondisi geografis kompleks. Kawasan pesisir dan pegunungan, misalnya, dapat mengalami perbedaan kondisi atmosfer secara signifikan meskipun jarak antarlokasi relatif dekat.
Ilustrasi aplikasi prediksi cuaca.
Tingkatkan Kemampuan Prediksi Hujan dan Salju
Hujan dan salju selama ini menjadi salah satu tantangan bagi model prakiraan cuaca global. Pembentukan kedua fenomena tersebut berkaitan dengan proses awan berskala kecil yang dapat berkembang dan bergerak dengan cepat.
Untuk meningkatkan kemampuannya, Google menggunakan dua sumber informasi curah hujan dalam proses pelatihan WeatherNext 3. Salah satunya berasal dari Integrated Multi-satellitE Retrievals for GPM (IMERG) milik NASA. Sementara itu, sumber lainnya menggunakan data reanalisis curah hujan berbasis radar dan satelit yang di kembangkan Google.
Google kemudian mengukur performa model menggunakan Continuous Ranked Probability Score (CRPS). Metrik ini digunakan untuk menilai kedekatan antara distribusi probabilitas dalam prakiraan dengan kondisi cuaca yang benar-benar terjadi.
Menurut klaim perusahaan, performa CRPS WeatherNext 3 meningkat hingga 60 persen ketika dibandingkan dengan data IMERG. Peningkatan mencapai sekitar 30 persen terhadap data MRMS dan sekitar 10 persen terhadap pengukuran langsung menggunakan alat pengukur hujan untuk prakiraan jangka pendek.
Secara keseluruhan, Google menyatakan prakiraan curah hujan untuk periode satu hari atau lebih dapat mencapai peningkatan akurasi hingga 50 persen.
Asia-Pasifik hingga Afrika Berpotensi Mendapat Manfaat
Peningkatan teknologi tersebut juga berpotensi memperluas akses terhadap prakiraan cuaca beresolusi tinggi. Google menyoroti Asia-Pasifik, Afrika, dan Amerika Latin sebagai kawasan yang dapat memperoleh manfaat besar.
Selama ini, menjalankan sistem prediksi cuaca berbasis fisika dengan resolusi tinggi membutuhkan sumber daya komputasi yang besar. Biaya pembangunan dan pengoperasian superkomputer juga dapat menjadi hambatan bagi beberapa wilayah.
WeatherNext 3 menawarkan pendekatan berbasis AI yang berpotensi memperluas ketersediaan informasi cuaca secara lebih efisien. Google menilai teknologi tersebut dapat membantu miliaran penduduk sekaligus pelaku usaha yang membutuhkan informasi cuaca untuk menjalankan aktivitas sehari-hari.
Informasi dengan resolusi lebih tinggi juga berpotensi mendukung berbagai sektor, mulai dari pertanian, transportasi, energi, logistik, hingga aktivitas masyarakat yang sangat bergantung pada perubahan kondisi atmosfer.
WeatherNext 3 Mulai Digunakan di Layanan Google
Mulai Kamis, 3 September 2026, Google mulai menerapkan WeatherNext 3 untuk menggantikan teknologi prakiraan sebelumnya pada sejumlah produknya. Implementasi tersebut mencakup Google Search, Gemini, Google Maps, Google Maps Platform Weather API, serta Google Earth Engine.
Google juga membuka akses bagi peneliti dan pengembang yang ingin memanfaatkan data prakiraan cuaca beresolusi tinggi. Mereka dapat mengakses informasi melalui BigQuery dan Earth Engine maupun mengunduh data melalui Google Cloud Storage. Dengan skema tersebut, pengembang tidak perlu membangun model prakiraan cuaca sendiri dari awal.
Meskipun WeatherNext 3 menawarkan peningkatan kemampuan dan akurasi, Google menegaskan bahwa teknologi tersebut bukan pengganti lembaga meteorologi resmi. Masyarakat tetap perlu mengikuti informasi dari badan meteorologi atau layanan cuaca nasional di masing-masing negara, terutama ketika membutuhkan peringatan cuaca ekstrem dan informasi terkait keselamatan.
Kehadiran WeatherNext 3 menunjukkan bagaimana kecerdasan buatan semakin berperan dalam pengembangan teknologi meteorologi. Dengan pembaruan setiap jam, pemanfaatan data observasi langsung, serta resolusi yang lebih tinggi, model ini diharapkan dapat membantu menyediakan gambaran kondisi cuaca yang semakin lokal dan tepat waktu.
