美国有线电视新闻网～
准确预测天气很难——真的很难，但一种新的人工智能驱动的预测模型刚刚达到了一个里程碑，专家们表示，你的预测很快就会变得更加准确，甚至更远。
在不断变化的大气中，要跟上天气的步伐需要付出巨大的努力。这项任务是如此困难和复杂，以至于提前几天进行可靠的预测在几十年前还是闻所未闻的。
20 世纪 80 年代初的五天预测仅准确约65%的时间。但更好的天气观测、更强大的计算能力以及计算机模拟全球天气方式的创新已经使预报有了突飞猛进的改进。今天，同样的预测达到了目标十有八九。
专家表示，得益于 Google DeepMind 推出的新人工智能预测模型 GenCast，本月预测又向前迈出了一步。未来 15 天的预测 DeepMind 在该杂志上发表的一项研究表明，比最受推崇的传统非人工智能预测模型准确得多自然。
“这是一个令人印象深刻的结果”，机器学习专家兼欧洲中期天气预报中心地球系统建模负责人 Peter Dueben 说道，该中心是 GenCast 最佳模型的所在地。“这是一大步。”
GenCast 尚未准备好向公众开放。它和其他人工智能模型仍然有一些关键问题需要解决，特别是在预测变暖世界中更频繁和更严重的天气方面，然后才能改变预测并在此过程中拯救生命。
天气预报模型的技巧和实用性始终与技术密切相关。
当今使用的大多数天气预报模型都基于一系列复杂的数学方程，这些方程对大气物理进行建模，并使用来自实时天气观测的数亿个数据点来描绘一天的天气情况，一周甚至一个赛季后。
这种数值天气预报的过程最初是在 1900 年代初构思的，需要手工完成，这种方法速度非常慢，以至于在计算完成之前很久天气就已经发生了。
早期的计算机在 20 世纪 50 年代和 1960 年代改进了预测，但直到 1974 年，第一个能够从全球提取数据并生成基本预测的模型才投入运行。
跳到今天，超级计算机每天都会执行近乎深不可测的计算量，以生成全球未来许多天的高度详细的天气预报。
但当前的预测模型仍然存在局限性。最强大的程序只能每隔几个小时运行一次，因为处理复杂的计算需要很长时间。它们还需要大量的计算能力和能源，这使得它们成本高昂。
它们在预测方面也存在局限性。他们对大气层的观测时间越远，就越难清楚地了解即将发生的事情，因为大气层永远不会停止变化。
大多数人工智能天气预报模型（例如 Google 的 GenCast）都采用不同的方法。而不是依靠 观察结果插入 他们利用基于物理的方程，通过分析经过验证的过去天气数据来了解大气在类似情况下的表现，从而预测地球大气在未来的表现。 通过消除实时天气数据中的错误，这有助于提高传统模型的准确性。
一旦经过训练并准备就绪，人工智能预测模型的模拟运行速度也会比传统模型快得多，并且使用的计算能力和能源更少。这意味着它们可以更频繁地运行，并对更广泛的可能性进行建模，从而改进预测。
在 Google GenCast 之前的人工智能天气建模仅限于给出单一预测的模型，而没有任何迹象表明它发生的可能性有多大。这本质上是一种最佳猜测，对于提前几天预测温度、降水和风力等常见天气变量最有用。
但 GenCast 同时运行数十个模拟。
“一旦你有了多种可能的未来，它会让你了解可能发生的事情的范围，还可以让你计算某些（未来）而不是其他的可能性有多大。”主要作者伊兰·普莱斯（Ilan Price）表示这项新研究的负责人和 DeepMind 的高级研究科学家。
这种类型的建模方法受到高度重视，因为它使人们对未来 5 到 15 天左右的天气预报更有信心。
欧洲中期天气预报中心的模型被广泛认为是黄金标准。这正是谷歌想要通过其首个人工智能版本来克服的问题——而且它做到了。
研究人员使用截至 2018 年 40 年的天气数据对 GenCast 进行了训练。然后，他们使用经过训练的模型来预测 2019 年天气的 1,300 多种条件组合，例如温度、降水和风速。
与 ECMWF 的传统模型相比，AI 模型在 15 天的时间范围内对 97% 以上的变量进行了更准确的预测，但在预测的第一周内就表现出了特殊的技巧。
普莱斯表示，根据测试变量的具体组合，三到五天范围内的预测准确率提高了 10% 到 30%。研究称，GenCast 对未来 15 天的预测也比 ECMWF 的模型更准确。
人工智能模型可以更好地捕捉某些形式的极端天气，包括异常高温和低温以及极端风速。GenCast 在超级计算机上运行只需不到 10 分钟，而传统模型则需要数小时。
普莱斯表示，这一结果标志着人工智能天气建模技术的“拐点”。
“基于人工智能的天气预报已准备好迎接黄金时段。”普莱斯补充道。“它已准备好开始与正在运行的传统模式并驾齐驱。”
据 Price 称，GenCast 尚未投入运行，但 DeepMind 团队计划向这一目标迈出又一步，发布当前预测和过去预测的档案。
GenCast 是建模领域的一项重大进步，但与任何其他天气预报模型一样，它并不完美。
人工智能模型引入了一个新的潜在问题，因为它们根据在过去的数据中看到的内容来预测未来。
“机器学习模型……对物理学一无所知，”杜本解释道。
这可能会让人工智能很难想象最近尚未发生的未来极端情况。仅使用 40 年数据训练的 AI 模型能否准确预测某个地点发生的极端情况类型？记录速度在气候变化的情况下，比如一百年一遇或一千年一遇的暴雨事件？
“事实证明，实际上这些模型对这些极端事件的鲁棒性比你想象的要强，”杜本说。他解释说，ECMWF 已经对实时天气的人工智能模型进行了一年多的测试，即使在极端事件下，其整体准确性也有所提高。
但杜本表示，人工智能模型可以在它们看起来的时间越远的地方开始发明地球上不可能的物理现象。
其他预测问题仍然存在，特别是最具破坏性的天气现象之一：热带气旋。
准确预测飓风或台风等热带气旋的强度是困扰所有模型的一个问题。这是一个需要解决的关键问题热带系统变得更强和迅速加剧更频繁由于化石燃料污染导致世界变暖。
普莱斯表示，GenCast 在预测热带系统轨迹时表现出了比传统模型更好的技能，但在准确捕捉强度方面却遇到了困难。
部分原因是最近发生的一些值得注意的事件破纪录的系统Price 指出，这些数据并未包含在 GenCast 40 年的训练数据中。
普莱斯“非常有信心”认为，随着模型在更多数据上进行训练，这个问题可以在未来得到解决。
还有一些正在开发的将机器学习与现实世界物理相结合的模型（称为混合模型）可以解决其中一些问题。
这项新兴技术的每一步进步都增加了人类天气预报员可以用来制作人们生活几乎各个方面所依赖的准确预测的另一种工具。
“原则上你可以对机器学习预测持怀疑态度，”杜本说。– 这些模型将对我们的天气预报产生积极影响；毫无疑问。”