谷歌山景研究中心的一组研究人员开发了一种基于深度学习的天气预测工具，用于预测短期天气事件。他们写了一篇描述他们的“邻近预测工具”的论文，并上传到arXiv印前服务器。他们还在谷歌人工智能博客上发布了一篇新闻报道，介绍了他们的工作。
尽管经过多年的努力，天气预报仍然是一门不精确的科学。目前的方法包括从各种来源收集数据，并使用超级计算机进行分析，而超级计算机需要几个小时来提供预测。虽然现代天气预报比过去准确得多，但仍有许多缺点，尤其是在局部和短期内。在这项新工作中，谷歌团队采用了不同的短期预测方法，而不是使用物理学，并使用最新的雷达图对未来进行了知情猜测。
谷歌的新工具使用机器学习功能来训练卷积神经网络(CNN)，它可以识别天气模式，然后根据当前的天气状况进行预测。生成的工具提供了被谷歌描述为“降水临近预报”的功能——基于本地、接近瞬时的短期天气预报。
谷歌使用的CNN类型叫做U-Net。系统将数据分为不同的层，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，然后解码用于将图像恢复到其原始分辨率。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在0到6个小时之间。整个过程只需要几分钟。与传统的预测系统相比，该系统可以更快地返回答案，因为它忽略了所涉及的物理过程，而是依赖于图像处理。
研究人员通过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，但在长期内就不那么准确了。