一个新人工智能（AI）模型可以比世界上一些使用最广泛的预测系统更快，更准确地预测重大天气事件。
该模型称为Aurora，对超过100万小时的全球大气数据进行了培训，包括气象站读数，卫星图像和雷达测量值。微软的科学家说，这可能是有史以来最大的数据集来培训天气AI模型。
Aurora正确地预测，台风Doksuri将在暴风雨于2023年7月登陆前四天袭击北部的菲律宾。
它还超过了包括美国国家飓风中心和联合台风警告中心在内的机构使用的标准预测工具。它提供了更准确的五天风暴轨道，并产生的高分辨率预测速度比由传统天气模型快5,000倍超级计算机。
科学家说，更广泛地说，Aurora在91％的病例中预测14天的天气状况中击败了现有系统。他们于5月21日在《杂志》上发表了他们的发现自然。
未来的预测
研究人员希望Aurora和类似模型可以支持一种新的方法来预测称为地球系统预测的环境条件，在哪里单个AI模型模拟天气，空气质量和海洋条件一起。这可能有助于产生更快，更一致的预测，尤其是在缺乏高端计算或全面监控基础架构的地方。
有关的： Google建立了一个可以预测未来天气灾难的AI模型
Aurora属于一类大规模AI系统，称为基础模型 - 与Chatgpt这样的工具的AI类别类别。
基础模型可以适应不同的任务，因为它们旨在从大量培训数据中学习一般模式和关系，而不是为单个固定任务构建。研究人员说，在Aurora的情况下，该模型学会了通过分析卫星，雷达和气象站等来源的天气模式以及模拟预测来在几秒钟内产生预测。
然后，对于各种方案，可以对模型进行微调，而这些方案的额外数据相对较少，而与传统的预测模型不同，这些模型通常是用于狭义的，特定于任务的目的，并且通常需要再进行改编。
研究人员说，对各种数据集Aurora的培训不仅在一般情况下与常规方法相比会导致更高的准确性，而且还意味着该模型在预测极端事件方面更好。
在一个例子中，尽管空气质量数据有限，但Aurora在2022年成功预测了伊拉克的主要沙尘暴。它还超过了波浪仿真模型预测海洋膨胀86％的测试中的高度和方向，即使缺少或不完整的特定输入，也可以从复杂数据中提取有用的模式。
“这有可能产生巨大的影响，因为人们可以将其修改为与他们相关的任何任务 - 特别是在其他天气预报能力乏味的国家中，”研究梅根士丹利，微软的高级研究员在陈述。
微软已将Aurora的代码和培训数据公开用于研究和实验。该模型已集成到MSN Weather之类的服务中，该模型本身已集成到Windows Weather App和Microsoft的Bing搜索结果之类的工具中。