Skip to main content
Automaziot AI logo
  • Home
  • Blog
  • About
  • Contact
(646) 760-4854Book a Free Consultation
Automaziot AI - AI Automation and Intelligent Agents for Business

AI Automation Experts. We help businesses streamline operations and scale faster with intelligent agents and workflow automation.

USA(646) 760-4854Israel HQ+972-3-7630715info@automaziot.ai
Israel HQ: Ahad Ha'Am 9, Tel Aviv

Quick Links

  • Home
  • About
  • Contact
  • Case Studies
  • Glossary

Our Solutions

  • Lead Management
  • WhatsApp AI Agent
  • Business Automation
  • Smart CRM
  • Automated Scheduling
  • Sales & Support
  • WhatsApp Commerce
  • AI Agents
  • Tech Consulting

Stay Updated

Get the latest insights on AI automation delivered to your inbox.

FacebookInstagramLinkedIn

This site uses Google Analytics and Vercel Analytics to improve your experience. For full details, see our Privacy Policy

© 2026 Automaziot AI. All rights reserved.

Privacy PolicyTerms of ServiceAccessibilityEditorial Policy
NeuralGCM: AI לסימולציות משקעים מדויקות יותר
NeuralGCM: AI משפרת סימולציות משקעים גלובליות ארוכות טווח
ביתחדשותNeuralGCM: AI משפרת סימולציות משקעים גלובליות ארוכות טווח
מחקר

NeuralGCM: AI משפרת סימולציות משקעים גלובליות ארוכות טווח

מודל היברידי של גוגל מחקר משלב פיזיקה ולמידת מכונה להדמיית משקעים מדויקת יותר, כולל אירועים קיצוניים ומחזור יומי

צוות אוטומציות AIצוות אוטומציות AI
12 בינואר 2026
4 דקות קריאה

תגיות

NeuralGCMGoogle ResearchJanni YuvalNASAECMWFIPCC

נושאים קשורים

#אקלים וקיימות#למידת מכונה#תחזיות מזג אוויר#מודלים היברידיים AI#משקעים גלובליים#אירועי קיצון
מבוסס על כתבה שלGoogle Research ↗·תרגום, סיכום והקשר עסקי על-ידי המערכתאיך אנחנו עובדים

✨תקציר מנהלים

Key Takeaways

  • NeuralGCM עולה על ECMWF בתחזיות 15 יום למשקעים על יבשה.

  • הפחתת שגיאה של 40% בסימולציות עשורים בהשוואה למודלי IPCC.

  • שיפור משמעותי באירועי משקעים קיצוניים ובמחזור היומי.

  • אימון ישיר על נתוני לווייני נאס"א במקום ריאנליזות.

  • קוד פתוח זמין לשימוש בקהילה.

  • שותפות הודית מוכיחה יישומים פרקטיים.

NeuralGCM: AI משפרת סימולציות משקעים גלובליות ארוכות טווח

  • NeuralGCM עולה על ECMWF בתחזיות 15 יום למשקעים על יבשה.
  • הפחתת שגיאה של 40% בסימולציות עשורים בהשוואה למודלי IPCC.
  • שיפור משמעותי באירועי משקעים קיצוניים ובמחזור היומי.
  • אימון ישיר על נתוני לווייני נאס"א במקום ריאנליזות.
  • קוד פתוח זמין לשימוש בקהילה.
  • שותפות הודית מוכיחה יישומים פרקטיים.

בעולם שבו תחזיות משקעים קובעות את גורל היבולים והתשתיות, גוגל מחקר מציגה את NeuralGCM – מודל היברידי המשלב פיזיקה מסורתית עם רשת נוירונים מאומנת על נתוני לווייני נאס"א. לפי הדיווח, המודל משפר באופן משמעותי את סימולציית המשקעים הגלובלית, במיוחד במחזור היומי ובאירועים קיצוניים כמו שיטפונות. זהו צעד קריטי לחקלאים, מתכנני ערים ומקבלי החלטות עסקיות שזקוקים לתחזיות מדויקות יותר. (72 מילים)

NeuralGCM, שהוצג בשנה שעברה כמודל אטמוספרי פתוח, עבר שדרוג באימון על תצפיות לווייניות של משקעים מ-2001 עד 2018. החוקרים, בהובלת ג'ני יובל מגוגל מחקר, פרסמו מאמר ב-Science Advances המפרט כיצד המודל עולה על מודלי פיזיקה מסורתיים. הוא משתמש במנוע דינמיקה דיפרנציאלית לאימון ישיר על נתונים אמיתיים, במקום על ריאנליזות שמגלות חולשות במשקעים קיצוניים. (85 מילים)

במבחנים לתחזיות של 2-15 ימים באמצעות WeatherBench 2, NeuralGCM עלה על מודל הפעלה מוביל של מרכז האירופי לתחזיות מזג אוויר בינוניות (ECMWF). הוא השיג ציונים נמוכים יותר בציון ההסתברות הרציף, במיוחד על פני יבשות, עבור הצטברות משקעים של 24 ו-6 שעות. היתרון ניכר בכל 15 ימי התחזית, מה שמצביע על פוטנציאל לשיפור כלים תפעוליים. (82 מילים)

בסימולציות ארוכות טווח, שנים עד עשורים, NeuralGCM הפחית את שגיאת המשקעים הממוצעת ב-40% בהשוואה למודלים המובילים בדוח IPCC האחרון. שגיאתו הממוצעת על יבשה פחות ממחצית המילימטר ליום, עם שיפורים גדולים יותר באירועים קיצוניים (ה-0.1% העליון). המודל פתר את "בעיית הטפטוף" – ייצוג יתר של גשמים קלים וחסר בגשמים כבדים. (78 מילים)

NeuralGCM משחזר טוב יותר את מחזור המשקעים היומי, כמו בגשמים אחר הצהריים בעמק האמזונס בקיץ. מודלי אקלים מסורתיים נוטים להקדים את שיא המשקעים בכמה שעות. השיפור ניכר על יבשה, שם המחזור חזק יותר, ומשמעותי להידרולוגיה, מערכות מזג אוויר ואקוסיסטמות. (68 מילים)

המודל ההיברידי משלב פותר דינמיקת נוזלים בקנה מידה גדול עם רשתות נוירונים לקנה מידה קטן כמו עננים ומשקעים. זה מאפשר סימולציות מהירות ומדויקות יותר מאשר מודלי AI טהורים כמו WeatherNext 2. בישראל, שבה ניהול מים חקלאי קריטי, תחזיות כאלה יכולות לשפר תכנון השקיה והגנה מפני בצורת ושיטפונות. שותפות עם אוניברסיטת שיקגו ומשרד החקלאות ההודי כבר בדקה את NeuralGCM לניבוי מונסון. (92 מילים)

העתיד כולל שיפורי רזולוציה והקרנות ארוכות טווח תחת שינויי אקלים. כקוד פתוח, NeuralGCM זמין לקהילה לבנייה נוספת. עבור מנהלי עסקים ישראליים בתחומי חקלאות, ביטוח ואנרגיה, זה אומר גישה לכלים מתקדמים יותר לתכנון סיכונים. (52 מילים)

האם NeuralGCM יגשר על הפער בין תחזיות מזג אוויר קצרות לאקלים ארוך טווח? קראו את המאמר המלא והתנסו במודל הפתוח עכשיו. (28 מילים)

שאלות ותשובות

FAQ

רוצים ליישם את זה בעסק שלכם?

באוטומציות AI אנחנו בונים סוכני AI ואוטומציות לעסקים בישראל. ראו את השירותים הרלוונטיים:

  • אוטומציה לעסקיםחיבור מערכות, חשבוניות ודשבורדים
  • בוט וואטסאפ לעסקWhatsApp Business API בישראל
  • סוכני AI לעסקיםסוכנים שמטפלים בלידים, שיחות ו-CRM
  • ניהול לידים אוטומטימענה מיידי, ניקוד וסינון אוטומטי

הכתבה הוכנה על-ידי המערכת בליווי בינה מלאכותית: תרגום, סיכום והוספת הקשר עסקי ישראלי מתוך פרסום מקורי של Google Research. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

אהבתם את הכתבה?

הירשמו לניוזלטר שלנו וקבלו עדכונים חמים מעולם ה-AI ישירות למייל

עוד מ־Google Research

כל הכתבות מ־Google Research
אימות מחיקת מידע ממודלי בינה מלאכותית: פריצת הדרך של גוגל
מחקר
לפני 5 ימים
5 דקות
·מ־Google Research

אימות מחיקת מידע ממודלי בינה מלאכותית: פריצת הדרך של גוגל

חוקרי Google Research הציגו בוועידת AISTATS 2026 מסגרת עבודה מהפכנית בשם Regularized f-Divergence Kernel Tests, המיועדת לבצע אימות מחיקת מידע ממודלי בינה מלאכותית. השיטה החדשה מתגברת על כשלי הבדיקות הדו-מדגמיות המסורתיות (כמו MMD), ומאפשרת למבקרים חיצוניים לזהות דליפות מידע מקומיות ברמת דיוק חסרת תקדים. באמצעות שימוש במדדי שונות מתקדמים כמו Hockey-stick divergence ורגולריזציה של ליבות, המערכת מזהה הפרות פרטיות תוך שימוש בכמה אלפי דגימות בלבד בהשוואה למיליוני דגימות שנדרשו בעבר בשיטות כמו DP-Auditorium. פיתוח זה מעניק לעסקים הפועלים תחת רגולציות פרטיות מחמירות כלי מתמטי מוכח להבטחת עמידה בדרישות החוק.

AISTATS 2026Mónica RiberoAntonin Schrab
קרא עוד
גוגל חושפת את טכנולוגיית Agentic RAG לעסקים: דיוק חסר תקדים ל-AI
מחקר
5 ביוני 2026
4 דקות
·מ־Google Research

גוגל חושפת את טכנולוגיית Agentic RAG לעסקים: דיוק חסר תקדים ל-AI

גוגל מציגה את Agentic RAG, ארכיטקטורת רב-סוכנים חדשה המשולבת בפלטפורמת Gemini Enterprise. בניגוד למערכות RAG מסורתיות המחזירות תשובות חלקיות כאשר המידע מבוזר, המנגנון החדש פועל בצורה איטרטיבית. המערכת מחלקת את השאילתה בין סוכנים מומחים (כמו סוכן תכנון וסוכן ניסוח מחדש) ומשתמשת ב'סוכן הקשר מספק' המבצע בקרת איכות קפדנית על תוצאות החיפוש. בבדיקות של גוגל על מאגר המידע FramesQA, המערכת הגיעה ל-90.1% דיוק בחיפושים מורכבים חוצי-מאגרים, תוך שמירה על מהירות מענה כמעט זהה (פגיעה של 3% בלבד בלייטנסי). הטכנולוגיה, הזמינה כעת בגרסת תצוגה מקדימה, פותחת עידן חדש של אמינות ודיוק עבור סוכני AI בארגונים.

Google CloudGemini Enterprise Agent PlatformFramesQA
קרא עוד
מודל בינה מלאכותית לחיזוי שיטפונות: גוגל משחררת את קוד המקור
מחקר
3 ביוני 2026
5 דקות
·מ־Google Research

מודל בינה מלאכותית לחיזוי שיטפונות: גוגל משחררת את קוד המקור

חוקרי Google Research שחררו רשמית את מודל ההידרולוגיה של החברה כקוד פתוח תחת רישיון Apache 2.0. המערכת, המבוססת על ספריית PyTorch ורשתות ME-LSTM, מניעה את חיזויי הזמן האמת של פלטפורמת Flood Hub הגלובלית. המהלך מאפשר לרשויות מטרולוגיות, חברות מים וגופי תשתית להריץ ולעבד נתוני אקלים ומשקעים מקומיים באופן עצמאי ומאובטח על שרתי הארגון. שילוב המודל, שנבחן בשיתוף פעולה עם המכון ההידרומטאורולוגי הצ'כי, מאפשר להאריך את טווח התחזית האמינה בעד שישה ימים באגנים מנוטרים, ומציע לעסקים ולרשויות בישראל כלי רב-עוצמה לניהול סיכוני מזג אוויר ושיפור ההיערכות לאירועי קיצון.

GoogleGitHubPyTorch
קרא עוד
הכרזות גוגל I/O 2026: המעבר לעידן של סוכני בינה מלאכותית אוטונומיים
חדשות
28 במאי 2026
5 דקות
·מ־Google Research

הכרזות גוגל I/O 2026: המעבר לעידן של סוכני בינה מלאכותית אוטונומיים

כנס גוגל I/O 2026 סימן את המעבר הרשמי של התעשייה ל"עידן הסוכנים" (Agentic Era), בו מערכות בינה מלאכותית פועלות באופן אוטונומי לביצוע משימות הנדסה ומחקר מורכבות. לפי דיווח החברה, גוגל השיקה כלים מרובי-סוכנים המסוגלים לבנות מערכות תוכנה שלמות מאפס. בנוסף לפיתוחי התוכנה, גוגל הציגה פריצות דרך במחקר רפואי עם מודל ה-MedGemma הפתוח (שחצה 5 מיליון הורדות), כלים מבוססי AI לחיזוי אקלים, ואת לוח הפיתוח Coralboard לעיבוד נתונים ישירות בציוד קצה. במוקד ההכרזות עמד השבב הקוונטי Willow, שלפי הנתונים מהיר פי 13,000 ממחשבי-על קלאסיים באלגוריתמים ספציפיים. חידושים אלו פותחים דלת לחברות ולסטארט-אפים בישראל לאמץ תהליכי אוטומציה עמוקים יותר.

Google I/O 2026GeminiMedGemma
קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
פענוח תצלומי לוויין באמצעות בינה מלאכותית: מהפכת עיבוד הנתונים בחלל
מחקר
אתמול
4 דקות
·מ־TechCrunch

פענוח תצלומי לוויין באמצעות בינה מלאכותית: מהפכת עיבוד הנתונים בחלל

פריצת דרך היסטורית נרשמה באפריל 2026, כאשר לוויין התצפית Yam-9 של חברת Loft Orbital הצליח לזהות ולפענח עצמים על פני כדור הארץ באופן עצמאי לחלוטין. באמצעות שימוש במעגל מחשוב קצה המבוסס על מעבד Nvidia Jetson Orin AGX ומעטפת התוכנה NAVI-Orbital שפותחה על ידי מעבדת JPL של נאס"א, הלוויין הריץ את מודל השפה-חזותי (VLM) מסוג Gemma 3 של Google DeepMind. פיתוח זה מאפשר ניתוח וסינון ראשוני של נתונים חזותיים מורכבים ישירות בחלל, ומקטין דרמטית את הצורך בהורדת נפחי מידע גולמי עצומים לקרקע. עבור עסקים ותעשיות בישראל כגון חקלאות מדויקת וביטחון מולדת, פריצת הדרך מסמנת מעבר לעיבוד נתונים מהיר, חסכוני ומבוזר המבוסס על בינה מלאכותית.

Loft OrbitalNASAJPL
קרא עוד
אימות מחיקת מידע ממודלי בינה מלאכותית: פריצת הדרך של גוגל
מחקר
לפני 5 ימים
5 דקות
·מ־Google Research

אימות מחיקת מידע ממודלי בינה מלאכותית: פריצת הדרך של גוגל

חוקרי Google Research הציגו בוועידת AISTATS 2026 מסגרת עבודה מהפכנית בשם Regularized f-Divergence Kernel Tests, המיועדת לבצע אימות מחיקת מידע ממודלי בינה מלאכותית. השיטה החדשה מתגברת על כשלי הבדיקות הדו-מדגמיות המסורתיות (כמו MMD), ומאפשרת למבקרים חיצוניים לזהות דליפות מידע מקומיות ברמת דיוק חסרת תקדים. באמצעות שימוש במדדי שונות מתקדמים כמו Hockey-stick divergence ורגולריזציה של ליבות, המערכת מזהה הפרות פרטיות תוך שימוש בכמה אלפי דגימות בלבד בהשוואה למיליוני דגימות שנדרשו בעבר בשיטות כמו DP-Auditorium. פיתוח זה מעניק לעסקים הפועלים תחת רגולציות פרטיות מחמירות כלי מתמטי מוכח להבטחת עמידה בדרישות החוק.

AISTATS 2026Mónica RiberoAntonin Schrab
קרא עוד
למידה מונחית בינה מלאכותית: המחקר החדש של Google DeepMind
מחקר
9 ביוני 2026
4 דקות
·מ־DeepMind

למידה מונחית בינה מלאכותית: המחקר החדש של Google DeepMind

מחקר מבוקר רחב-היקף (RCT) שפורסם על ידי Google DeepMind בשיתוף עם משרד החינוך של סיירה לאון וארגון Fab AI מציג תוצאות פורצות דרך בשילוב בינה מלאכותית בלמידה. הניסוי, שנערך בקרב 1,763 תלמידים לאורך שמונה שבועות, בחן את מודל "הלמידה המונחית" (Guided Learning) המבוסס על Gemini. התוצאות הראו שיפור הישגים ממוצע של 0.258 סטיות תקן במתמטיקה – נתון המקביל לעד 2.5 שנות לימוד בכיתות שבהן המורים שילבו את הכלי באופן אינטנסיבי. במקום לשמש כמנוע תשובות פשוט, המודל הונחה לפעול בשיטה סוקרטית, ושלח שאלות מכוונות ב-76% מהאינטראקציות, בעוד שפתרונות ישירים סופקו ב-2% בלבד מהמקרים. המחקר מדגיש את הפוטנציאל העצום של סוכני AI מבוססי פדגוגיה בעיצוב מחדש של הדרכות והכשרות גם במגזר העסקי.

Google DeepMindGeminiFab AI
קרא עוד
פרצות אבטחה במערכות בינה מלאכותית: איומי האוטומציה החדשים
מחקר
6 ביוני 2026
5 דקות
·מ־Wired

פרצות אבטחה במערכות בינה מלאכותית: איומי האוטומציה החדשים

המעבר המהיר לאוטומציה ושילוב בינה מלאכותית חושף עסקים לפרצות אבטחה חסרות תקדים. דוח אבטחה מקיף של מגזין WIRED חושף כיצד האקרים ניצלו את מערכת התמיכה המבוססת AI של Meta להשתלטות על חשבונות ידוענים, וכיצד כלי ה-AI העוצמתי של Anthropic, המכונה Mythos, משמש את ה-NSA למטרות תקיפה. הדו"ח מדגיש את הסיכון שביישומי בינה מלאכותית ומזהיר את המגזר העסקי מפני הסתמכות עיוורת על כלים אוטונומיים ללא מנגנוני אימות קפדניים.

MetaChainalysisAnthropic
קרא עוד