近日，Google DeepMind 宣布其最新 AI 模型能迅速且准确地预测天气。Google 於周二在《科学》杂志发布的一篇论文中提到由 3670 万个参数组成的天气预测 AI 模型 GraphCast。
39 年数据进行训练
GraphCast 采用了欧洲中期天气预报中心（ECMWF）自 1979 年至 2017 年间收集的 39 年数据进行训练，该中心全天候处理全球数值天气预测。ECMWF 的模型依赖数值天气预报方法，运用数学模拟模拟大气和海洋的运动。
学习不同天气变数之间的关系
相比之下，GraphCast 则通过分析卫星图像、雷达和气象站的测量数据来预测天气。该模型将包含大气和海洋数据的全球地图分割成网格，并学习不同天气变数之间的关系，以预测如热带气旋路径、大气河流和热浪等特定事件。GraphCast 能够预测温度、风速和方向、湿度和 37 个不同高度的气压，从而帮助天气预报。
90％ 以上更准确的预测
研究员 Remi Lam 表示，在与黄金标准确定性系统（ECMWF 的高解像度预报）的全面性能评估中，GraphCast 在 1380 个测试变量和预报时间的 90% 以上提供了更准确的预测。当评估限於对地球表面最接近的大气层（对精确预报最重要的地方）时，他们的模型在未来天气的 99.7% 测试指标上都优於 HRES。
虽然 GraphCast 的训练过程需要耗费大量计算资源，运行了四周的 32 个 Google Cloud TPU v4 晶片集群，但最终训练完成的模型可以在单台 Google TPU v4 机器上运行。
1 分钟生成十天天气预报
十天的天气预报可以在不到一分钟内生成，比运行在超级电脑上的数值天气预报模型节省了数小时。然而，GraphCast 并非完美。其生成的数据有时不完整，不确定性区域会出现空间模糊，这意味着在计算不同天气事件的概率（即集合预报）时，其预测可能不够精确。它也无法像 ECMWF 的高解像度预报系统那样有效地生成高层大气层数据。
研究人员承认，GraphCast 仍需依赖传统方法获取优质数据，并且 ECMWF 的高解像度预报系统能产生 AI 尚未能够实现的其他类型预报。
无法取代传统方法
他们在论文中总结道：「我们的方法不应被视为传统天气预报方法的替代品，这些方法已发展了数十年，并在许多实际场合中经过严格测试，提供了许多我们尚未探索的功能。」他们强调，这项研究证明了基於机器学习的天气预测能够应对实际预测问题的挑战，并有潜力补充和改进当前最佳方法。
相关文章
- AI 时代：未来一两年大部分外包编程人员将面临失业
- 中国官媒吁勿盲炒 AI 概念股
- Adobe 宣布售卖 AI 绘制图像
- 【全城热玩】美图秀秀 AI 绘图功能 一键将照片 CG 化