新火種
2023-11-15 
氣象預測的“AlphaGo”時刻來臨谷歌新論文稱AI中期預測更準確
財聯社11月15日訊（編輯 史正丞）當地時間周二，谷歌DeepMind團隊在《科學》期刊上發表論文稱，該團隊開發的GraphCast AI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的準確率和效率。
（來源：《科學》官網）DeepMind團隊在論文結論部分直白地表示，團隊相信這個AI模型標志著“氣象預測（行業）的轉折點”。
強在哪里？
經過廣泛的評估顯示，GraphCast模型在預測未來3至10天的天氣方面，較歐洲中期天氣預報中心（ECMWF）所運行的最先進傳統預報系統更加準確。
在1380個驗證目標中，GraphCast在90%的情況下要優于最先進的傳統模型。這些指標包括不同大氣層的溫度、壓力、風速、方向以及濕度等。該模型較為突出的優點是能夠更好地支持嚴重氣象事件的預測，例如熱帶氣旋追蹤、大氣河流以及極端溫度等。
歐洲中期天氣預報中心是一個政府間機構，近年來一直在使用英偉達、DeepMind以及華為盤古等AI大模型進行實時預測，該機構也同步運營著自營綜合預報系統。ECMWF的機器學習協調員Matthew Chantry也對媒體表示，氣象領域的AI系統進步速度“比我們兩年前預期的要快得多，也更令人印象深刻”。
據悉，GraphCast使用的是被稱為“圖神經網絡”（GNN）的機器學習架構。這個AI模型通過學習ECMWF過去40多年的數據，了解天氣系統是如何在全球范圍內發展和移動。這個模型的運作機制是輸入當前時刻及前6個小時的全球大氣狀態（這些數據由ECMWF進行觀測和匯總），然后只需要一個谷歌TPU v4的云算力就能在一分鐘內生成10天的預報。
作為對比，ECMWF與全球氣象機構使用的傳統方式被稱為“數值天氣預報”（NWP）——使用超級計算機依據大氣物理的知識計算方程式。耗能極大的超算需要數個小時來得出結果。
Chantry驚嘆稱：“一旦GraphCast模型訓練完成，實際的運行成本極低。在能源消耗方面，我們可能談論的是1000倍的節省，這是一個奇跡般的進步。”
作為實戰案例，該論文的主要作者Rémi Lam介紹稱，在今年9月颶風Lee生成并登陸的過程中，谷歌模型提前9天就成功預測該颶風會在加拿大新斯科舍省登陸，而傳統方法只能提前6天，意味著人們能多出3天時間來準備。
然而AI模型也不是“全知全能”。例如今年10月底颶風Otis在短短12個小時內從熱帶風暴升級至5級颶風的過程中，AI模型的表現就不如傳統的物理模型。
AI融合已經開始
Chantry介紹稱，ECMWF的下一步動作就是建立自己的AI模型，并與傳統的數值預測系統結合起來。Chantry表示，這些看起來像是“黑箱”的機器學習系統，存在空間讓他們把對物理學的理解注入其中。
湊巧的是，英國氣象局也在上個月宣布與艾倫圖靈研究院合作，開發自營GNN氣象預測模型，并將其整合到現有的超算基建中。
當然英國官方對“AI模型”仍抱有一些半信半疑的態度。英國氣象局的科學總監Simon Vosper解釋稱，在天氣預報中需要考慮氣候變化的因素，如果這些AI系統只是基于過往的天氣條件進行訓練，那么它們能否捕捉到新的極端天氣情況，需要打上一個問號。
不過Vosper也補充稱，英國氣象局的目標是，在使用基于大氣物理的傳統計算機模型同時，充分利用AI所能提供的最佳效果，相信這種技術融合能夠在這個變化劇烈的時代，提供最強力和最詳盡的天氣預報。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
