深度思维人工智能天气预报系统取得重大突破
2024年12月4日
如今，人工智能在天气预报领域发展迅猛，谷歌深度思维（DeepMind）就研发出了一项引人瞩目的成果。该公司打造出了首个同类人工智能（AI）模型，名为“创时预报”（GenCast），在天气预报方面比目前正在使用的最佳系统还要精准，为这一领域带来了新的突破。
一、传统天气预报方式及局限
传统的天气预报，像欧洲中期天气预报中心（ENS）所采用的预报方式，是基于模拟支配地球大气物理定律的数学模型来运作的。它们要依靠超级计算机去处理从卫星和气象站收集来的数据，这个过程不但耗时，往往需要花费数小时，而且还得消耗大量的计算能力才行。
二、人工智能“创时预报”（GenCast）的优势
与之不同的是，“创时预报”（GenCast）仅通过对历史天气数据进行训练，就能够梳理出像气压、湿度、温度和风等变量之间复杂的关系。正是凭借这一点，它得以超越那些严格基于物理的预报系统。
具体来说，“创时预报”（GenCast）有着诸多突出优势。
一方面，它能提前多达15天生成天气预报，而且仅需几分钟就能完成这一工作，对比传统预报程序，效率大大提高。另一方面，在预测诸如飓风、热浪等极端天气时，这个纯人工智能系统的表现超过了世界上最佳的中期业务预报模型——欧洲中期天气预报中心的集合预报模型（ENS）。
不仅如此，“创时预报”（GenCast）生成的是“集合”预报，也就是一组预报，每组预报都是基于略有不同的初始条件生成的。科学家们可以把这些预报整合起来，生成最终预报，同时还能估算出预报的天气实际发生的概率。而此前已发布的一些人工智能系统大多属于“确定性”模型，它们只提供单一预报，并不会去估算预报正确的可能性。
三、“创时预报”（GenCast）的准确性及速度验证
为了检验“创时预报”（GenCast）的准确性，谷歌深度思维的研究科学家伊兰·普赖斯及其同事开展了相关验证工作。他们利用1979年至2018年的全球天气数据对人工智能进行训练，之后用其预测2019年的天气情况，并将“创时预报”（GenCast）的预报结果与当年的实际天气数据以及欧洲中期天气预报中心（ENS）的预报结果进行对比。
结果显示，在用于评估此类“概率性”预报的计分卡上，“创时预报”（GenCast）在97%的衡量指标上都比欧洲中期天气预报中心（ENS）的预报更准确，并且在预测极端高温、低温、大风以及热带气旋路径方面也有着更出色的表现。
从运算速度上来看，“创时预报”（GenCast）在一块人工智能处理芯片上，能在短短8分钟内就生成一份为期15天的预报，普赖斯指出，这个速度相较于传统模型所需的时间“快得多”。
四、人工智能天气预报领域的整体发展态势
实际上，当下人工智能天气预报领域正呈现快速发展的态势，有不少公司都在竞相研发更新、更好的模型，比如中国深圳的华为以及美国加利福尼亚州圣克拉拉的英伟达等。今年早些时候，谷歌还发布了“神经地球气候模型”（NeuralGCM），这是一个把基于物理的模型与人工智能相结合的混合系统，能够生成与传统模型相当的短期和长期预报。
五、“创时预报”（GenCast）对开放科学的贡献及影
值得一提的是，谷歌深度思维的研究人员不仅研发出了“创时预报”（GenCast），还做出了推动开放科学发展的举动。他们已经对外发布了基础代码，并且把名为“权重”的模型参数提供给非商业用途使用，旨在帮助“普及”研究，让公众能有更多机会接触和使用天气建模相关资源。
对此，英国雷丁市欧洲中期天气预报中心的机器学习协调员马修·钱特里给予了高度评价，他认为这是对开放科学“非常了不起的贡献”。钱特里还提到，大家需要去了解这些模型在极端天气事件中的实际表现，而公开模型和数据正好能让研究界有机会对其进行评估。
而且，钱特里在去年看到这篇相关论文的手稿时，受到了“创时预报”（GenCast）的“扩散”方法的启发，该方法通过将随机噪声引入模型来提高其可靠性。受此启发，他们已经在自己的机器学习模型中应用了一些关键的突破成果，所产生的名为“人工智能/综合预报系统”（AIFS）的模型也即将对外发布。
总之，像“创时预报”（GenCast）这样更准确、更快速的天气预报模型意义重大，正如普赖斯所说，人们能凭借更快获得的更准确的预报，尤其是那些生活在飓风路径上的人们，做出更为明智的决策。
六、论文及相关信息
这一成果的相关介绍发表在了2024年12月4日的《自然》杂志上，数字对象标识符为https://doi.org/10.1038/d41586-024-03957-3 。
整理：张宝锋
