谷歌的人工智能天气预报模型非常好

GenCast 是 Google DeepMind 的一种新人工智能模型，其准确度足以与传统天气预报竞争。根据最近发表的研究，在对 2019 年的数据进行测试时，它的表现优于领先的预测模型。

人工智能不会很快取代传统预报，但它可以丰富用于预测天气和向公众发出强烈风暴警告的工具库。GenCast是几款人工智能天气预报之一正在开发的模型这可能会带来更准确的预测。

“天气基本上涉及我们生活的方方面面……预测天气也是一项重大的科学挑战，”DeepMind 的高级研究科学家伊兰·普莱斯 (Ilan Price) 说道。– Google DeepMind 的使命是推动人工智能发展，造福人类。我认为这是一个重要的方式，在这方面的一个重要贡献。”

Price 和他的同事针对 ENS 系统测试了 GenCast，ENS 系统是欧洲中期天气预报中心运行的世界顶级预测模型之一（欧洲金属加工联合会）。研究表明，GenCast 在 97.2% 的情况下表现优于 ENS本周发表在杂志上自然。

GenCast 是一种机器学习天气预报模型，使用 1979 年至 2018 年的天气数据进行训练。该模型学习识别过去 40 年历史数据中的模式，并利用这些模式来预测未来可能发生的情况。这与 ENS 等传统模型的工作方式非常不同，后者仍然依赖超级计算机来求解复杂的方程，以模拟大气的物理现象。GenCast 和 ENS 均生产集合预报，它提供了一系列可能的场景。

例如，在预测热带气旋路径时，GenCast 平均能够额外提供 12 小时的预警。GenCast 通常能够更好地提前 15 天预测气旋路径、极端天气和风力发电。

需要注意的是，GenCast 针对旧版本的 ENS 进行了自我测试，该版本现在以更高的分辨率运行。这项经过同行评审的研究将 GenCast 的预测与 ENS 对 2019 年的预测进行了比较，看看每个模型与当年实际情况的接近程度。ECMWF 机器学习协调员 Matt Chantry 表示，自 2019 年以来，ENS 系统有了显着改进。这使得很难说 GenCast 在今天对抗 ENS 时的表现如何。

可以肯定的是，在做出强有力的预测时，分辨率并不是唯一重要的因素。2019 年，ENS 的分辨率已经比 GenCast 稍高，但 GenCast 仍然成功击败了它。DeepMind 表示，它对 2020 年至 2022 年的数据进行了类似的研究，并发现了类似的结果，尽管尚未经过同行评审。但它没有数据来对 2023 年 ENS 开始以明显更高的分辨率运行进行比较。

GenCast 将世界划分为一个网格，其分辨率为 0.25 度，这意味着该网格上的每个方块都是四分之一纬度乘四分之一度经度。相比之下，ENS 在 2019 年使用 0.2 度分辨率，现在采用 0.1 度分辨率。

尽管如此，GenCast 的开发“标志着天气预报发展的一个重要里程碑”，Chantry 在一份电子邮件声明中表示。ECMWF 表示，除了 ENS 之外，它还运行自己的版本机器学习系统。Chantry 表示，它“从 GenCast 中汲取了一些灵感。”

速度是 GenCast 的优势。它可以使用单个 Google Cloud TPU v5 在短短 8 分钟内生成一份 15 天的预测。像 ENS 这样基于物理的模型可能需要几个小时才能完成同样的事情。GenCast 绕过了 ENS 必须求解的所有方程，这就是为什么它需要更少的时间和计算能力来生成预测。

“从计算角度来看，与 Gencast 等模型相比，运行传统预测的成本要高出几个数量级，”Price 说道。

GenCast 仍然可以做出改进，包括可能扩展到更高分辨率。此外，GenCast 以 12 小时的间隔进行预测，而传统模型通常以较短的间隔进行预测。这可能会对现实世界中如何使用这些预测产生影响（例如，评估可用的风力发电量）。

“你会想知道一整天的风会发生什么，而不仅仅是早上 6 点和下午 6 点，”佛罗里达大学气象学助理教学教授斯蒂芬·马伦斯 (Stephen Mullens) 说，他没有参与这项研究。GenCast 研究。

尽管人们对如何利用人工智能来改进预测越来越感兴趣，但它仍然需要证明自己。– 人们正在关注它。我不认为整个气象界都在买卖它，”穆伦斯说。“我们是受过训练的科学家，他们从物理学的角度思考……而且因为人工智能从根本上来说不是这样，那么我们仍然需要思考一个因素，这好吗？为什么？

预报员可以亲自查看 GenCast；DeepMind 发布了 代码因其开源模型。Price 表示，他看到 GenCast 和更改进的人工智能模型与传统模型一起在现实世界中使用。“一旦这些模型进入从业者手中，就会进一步建立信任和信心，”普莱斯说。“我们真的希望这能产生广泛的社会影响。”