DeepMind表示，新的人工智能是全球最准确的10天天气预报员
DeepMind宣称新的人工智能是全球最精准的10天天气预报员
Google DeepMind最新的AI模型是全球最准确的10天全球天气预报系统，这是根据位于伦敦的实验室的说法。
名为GraphCast的模型承诺提供“前所未有的准确性”的中程天气预报。在一项今天发表的研究中，GraphCast被证明比天气模拟行业黄金标准——高分辨率预报（HRES）更精确和更快。
该系统还能够预测比以前更遥远的极端天气。
这些洞察力由欧洲中程天气预报中心（ECMWF）进行分析，这是一个生产HRES的政府间组织。
GraphCast的实时版本部署在ECMWF网站上。在九月份，该系统准确预测了飓风Lee将会在诺华斯科般地落地的约九天前。
相比之下，传统的预报方法只在大约六天之前注意到了诺华斯科般地。它们还提供了更少一致的关于着陆时间和位置的预测。
有趣的是，GraphCast能够在没有经过训练找到危险天气事件。在整合了一个简单的气旋追踪器之后，该模型比HRES方法更准确地预测了气旋的移动。
这样的数据可以挽救生命和生计。随着气候变得越来越极端和不可预测，快速而准确的预报将为灾害规划提供日益重要的见解。
欧洲中程天气预报中心的机器学习协调员马修·钱特里认为，他所在行业已经达到了一个拐点。
“在创造可靠的运行产品方面可能还有更多工作要做，但这很可能是一场革命的开始，”钱特里在新闻发布会上说道。
他还补充说，气象组织以前预计人工智能与物理学相结合时的效果最好。但最新的突破表明，机器学习也可以直接预报天气。
GraphCast的工作原理
传统天气预报基于繁复的物理方程。然后将其转化为运行在超级计算机上的算法。
该过程可能是很费时的。它还需要专业知识和大量计算资源。
GraphCast采用了一种不同的技术。该模型将机器学习与图神经网络（GNNs）相结合，后者擅长处理具有空间结构的数据。
为了学习决定天气变化的原因和影响，该系统通过几十年的天气信息进行了训练。
传统方法也被纳入其中。欧洲中程天气预报中心向GraphCast提供了大约40年的天气重新分析训练数据，其中包括来自卫星、雷达和气象站的监测。
当观测上存在空白时，会使用基于物理的预测方法填补。结果得出了全球天气的详细历史记录。GraphCast利用过去的经验来预测未来。
GraphCast以0.25度纬度/经度的空间分辨率进行预测。
想象一下，地球被划分为一百万个网格点。在每个点上，模型预测五个地表变量和六个大气变量。它们一起覆盖了地球的整个大气层，包括37个水平。
这些变量包括温度、风、湿度、降水和海平面气压。它们还包含位势能——单位质量在特定位置相对于平均海平面的重力势能。
测试结果令人印象深刻。GraphCast在1380个测试目标中，在90%的目标上明显优于最准确的操作确定性系统。
在对流层——地球大气层中最低的一层，也是大多数天气现象发生的地方，这种差异更加明显。在这个区域，GraphCast在99.7%的未来天气测试变量中优于HRES。
GraphCast也非常高效。在一台Google TPU v4机器上，完成10天的预报只需要不到一分钟的时间。
相比之下，传统方法可能需要数小时的计算，需要数百台超级计算机。
人工智能在天气预报中的未来
尽管早期的结果有希望，但GraphCast仍然可以从进一步改进中受益。例如，在飓风预测中，该模型在追踪移动方面表现准确，但在测量强度方面效果较差。
Gentry希望看到这方面的进一步改进。
“目前，这是GraphCast和机器学习模型在物理模型之后仍然稍逊一筹的一个领域…我希望这可以成为进一步改进的领域，但这显示出它仍然是一项新生的技术，”他说。
这些改进可能现在可以来自任何地方，因为DeepMind已经开源了模型代码。全球的组织和个人现在可以尝试使用GraphCast并加入他们自己的改进。
潜在的应用是不可预测的。例如，预报可以用于可再生能源生产和空中交通路线规划。但它们也可以应用于尚未想象到的任务中。
“对于天气预报，还有很多下游的用例，”Google DeepMind的研究主管Peter Battaglia说。“而我们并不知道所有这些用例。”
