谷歌山景研究中心的一组研究人员开发了基于深度学习的天气预报工具，用于预测短期天气事件。他们写了一篇描述其“临近预报工具”的论文，并将其上传到arXiv预印服务器。他们还在Google AI博客上发布了一篇新闻报道，介绍了他们的工作。
尽管付出了数年的努力，但预测天气仍然是一门不精确的科学。当前的方法涉及从各种来源收集数据，并使用超级计算机进行分析，而超级计算机需要花费数小时来提供预测。尽管现代天气预报比过去准确得多，但仍然有很多不足之处，尤其是在本地和短期内。在这项新的工作中，Google团队采用了不同的短期预测方法，而不是使用物理学，而是使用最新的雷达图对未来进行了有根据的猜测。
Google的新工具利用了机器学习功能，对卷积神经网络(CNN)进行了训练，可以识别天气模式，然后根据当前天气情况进行预测。生成的工具提供了Google描述为“降水临近预报”的功能-基于本地的，近乎瞬时的短期天气预报。
Google使用的CNN类型称为U-Net，该系统通过将数据分类到各个层中，这些层通过编码阶段进行排列以提高处理速度，迭代用于降低图像分辨率，然后使用解码来还原图像还原为原始分辨率。该系统分析过去N个小时的雷达数据，以预测未来N个小时的天气事件，其中N介于零到六个小时之间。整个过程仅需几分钟。与传统的预测系统相比，该系统能够更快地返回答案，因为它忽略了所涉及的物理过程，而是依靠图像处理。
研究人员通过将其与三种广泛使用的预测模型进行比较来测试他们的工具。他们声称，他们的预测在短期内比所有三个模型都更准确，但从长期来看却不那么准确。