AI時代新戰績：氣象預測又快又準

原文地址：http://news.sciencenet.cn/htmlnews/2023/11/512353.shtm

谷歌人工智能(AI)公司DeepMind開發出一種機器學習模型GraphCast，該模型在“3至10天的中期氣象預測領域”展現出超越傳統氣象預測模型和其他AI方法的準確率和效率。相關研究結果發表于11月14日《科學》。

  ?

圖片來源：Carlos Munoz Yague/Look At Science/Science Photo Library

“GraphCast目前在AI模型的競賽中處于領先地位。”加州大學洛杉磯分校計算機科學家Aditya Grover說。

預測天氣是一項復雜且耗費大量能源的任務。全球氣象機構使用的標準方法被稱為數值天氣預報(NWP)，由歐洲中期天氣預報中心(ECMWF)運行，是一種基于物理原理的數學模型，利用超級計算機處理來自全球浮標、衛星和氣象站的天氣數據。這些計算能準確地描繪出熱量、空氣和水蒸氣如何在大氣中移動，但模型運行起來既昂貴又耗能。

為降低預測的財務和能源成本，幾家科技公司開發了機器學習模型，可以根據過去和當前的天氣數據快速預測未來的全球天氣狀況。其中包括DeepMind、英偉達(Nvidia)和華為，以及一系列初創企業。華為云開發的盤古氣象大模型是黃金標準NWP系統最有力的競爭對手，該系統可提前15天提供世界領先的天氣預報。

ECMWF的Matthew Chantry表示，機器學習正在推動天氣預報領域的一場革命。美國科羅拉多州大氣合作研究所數據可視化研究員Jacob Radford說，人工智能模型的運行速度比傳統的NWP模型快1000到10000倍，這能為解釋和交流預測留出了更多的時間。

GraphCast的研究人員首先使用物理模型對1979年至2017年過去全球天氣的估計來訓練模型，這使得GraphCast能夠了解諸如氣壓、風、溫度和濕度等天氣變量之間的聯系。

經過訓練的模型使用全球天氣的“當前”狀態和6小時前的天氣估計來預測未來6小時的天氣。早期的預測被反饋到模型中，使其能夠對未來做出進一步的估計。DeepMind的研究人員發現，GraphCast可以利用2018年的全球天氣預測，在不到一分鐘的時間內提前10天做出預測，而且預測比ECMWF的高分辨率預報系統(HRES)更準確，HRES是NWP的一個版本，需要數小時才能出結果。

DeepMind計算機科學家Remi Lam表示，在完成的12000次測量中，GraphCast在99%以上的測量中都優于HRES，在大氣的所有層面上，該模型在90%的天氣預測上都優于HRES。

GraphCast預測了靠近地球表面的5個天氣變量的狀態，如離地面2米的氣溫，以及離地球表面更遠的6個大氣變量，如風速。Chantry指出，GraphCast在預測惡劣天氣事件方面也被證明是有用的，如熱帶氣旋的路徑，以及極端高溫和低溫事件。

Chantry指出，雖然基于某些指標的評估，GraphCast的性能優于研究中的其他模型，但未來使用其他指標對其性能進行評估可能會導致略有不同的結果。

“機器學習模型仍處于實驗階段，它不會完全取代傳統方法，而是可以提高標準方法不擅長的特定類型的天氣預測，比如預測幾小時內的降雨量。”Chantry說，“我預計，人們還需要2到5年的時間，才能利用機器學習方法進行預測，在現實世界中做出決策。”

與此同時，機器學習方法的問題必須得到解決。Grover說，與NWP模型不同，研究人員不能完全理解像GraphCast這樣的AI是如何工作的，因為決策過程發生在人工智能的“黑匣子”中。“這讓人質疑它們的可靠性。”同時，AI模型也有放大訓練數據偏差的風險，并且需要大量的能量進行訓練。