谷歌 DeepMind 在 AI 天气预报领域取得新突破

谷歌 DeepMind 推出了一款名为 GenCast 的人工智能天气预报模型，其预测能力在长达 15 天的范围内超越了传统方法，并且在预测极端天气事件方面表现更佳。

GenCast 通过评估多种可能情景的概率，准确估算从风力发电到热带气旋运动等趋势。 这种概率技术标志着利用人工智能实现更好、更快日常天气预报的快速发展中的一个新里程碑，而大型传统预报机构也越来越多地采用这种方法。

谷歌 DeepMind 的研究科学家 Ilan Price 表示：“这标志着人工智能在天气预报领域取得了重要的进展，目前最先进的原始预报来自机器学习模型。GenCast 可以被纳入到实际的天气预报系统中，为决策者提供有价值的见解，帮助他们更好地理解和准备即将到来的天气事件。”

GenCast 的创新之处在于它使用了所谓的“集合”预测，代表不同的结果，这是最先进的传统预测中采用的技术。GenCast 使用了欧洲中期天气预报中心 (ECMWF) 四十年的数据进行训练。

根据周三发表在《自然》杂志上的一篇论文，在 1320个变量（如温度、风速和湿度）中，GenCast 的表现优于ECMWF 的 15 天预测，准确率达 97.2%。

这些结果比谷歌 DeepMind 去年推出的突破性 GraphCast 模型在准确性和范围上都有进一步的提高。GraphCast 在 3 到 10 天的预测中，约 90% 的指标都优于 ECMWF 的预测。

AI 预报模型通常比标准预报方法更快、更有效，标准预报方法需要大量的计算能力来处理源自大气物理学的方程式。GenCast 只需 8 分钟即可生成预测，而传统预测则需要数小时，且所需的电子处理能力也大大减少。

研究人员表示，GenCast 模型可以在预测大型风暴强度等方面进一步改进。 其数据分辨率可以提高，以匹配 ECMWF 今年进行的升级。

ECMWF 表示，GenCast 的开发是“天气预报发展中的一个重要里程碑”。 它表示，已将 GenCast 方法的“关键组件”集成到其自身 AI 预报系统的一个版本中，并从 6 月起提供实时集合预测。

ECMWF 补充说，GenCast 背后的创新机器学习科学仍需在极端天气事件中进行测试。

GenCast 的发展将进一步引发关于人工智能应该在多大程度上应用于预测的争论，许多科学家在某些情况下更倾向于采用混合技术。

7 月，谷歌推出了 NeuralGCM 模型，该模型结合了机器学习和传统物理学，在长期预测和气候趋势方面取得了比单独使用 AI 更好的结果。

ECMWF 表示：“关于物理学和机器学习预测系统之间的最佳平衡，存在一些悬而未决的问题和讨论。包括我们在内的广泛科学界正在积极探索这个问题。”

英国国家气象局首席预报员 Steven Ramsdale 表示，英国气象局正在研究如何将这些“令人兴奋的”发展成果应用到其自身的人工智能驱动预报模型中。

他补充说：“我们认为，最大的价值来自于混合方法，即结合人类评估、传统的基于物理学的模型和基于人工智能的天气预报。”