Science重磅：1分钟内生成10天气象预报，DeepMind AI击败了全球最好预报系统

图片滥觞@视觉中国

文 | 教术头条，做者 | 闫一米，编纂 | 教术君

正在气候预告圆里，野生智能（AI）推翻了传统办法，无望以更快的速率战更低的本钱完成更精确的猜测。

Google DeepMind 推出的一款基于机械进修的气候猜测模子——GraphCast，正在环球 0.25° 的分辩率下，正在一分钟内乱猜测将来 10 天的数百个气候变量，明显劣于传统景象预告办法。别的，该模子正在猜测极度变乱圆里一样表示优良。

相干研讨论文以“Learning skillful medium-range global weather forecasting”为题，已揭晓正在威望科教期刊 Science 上。别的，相干开源代码也已公布正在 Github 上。

那一研讨功效表白，将来的气候预告（如一样平常气候战飓风、盛暑战酷寒等极度变乱）能够会变得愈加精确。

9 月份发作正在北年夜西洋的飓风“Lee”即是一个胜利猜测的例子。论文配合一做、配合通信做者 Rémi Lam 暗示，“GraphCast 可以正在飓风发作前 9 天准确猜测‘Lee’将正在新斯科舍省登岸，而传统办法只能猜测 6 天。那让人们多了 3 天工夫为它的到去做好筹办。”

对此，欧洲中期气候预告中间（ECMWF）机械进修和谐员 Matthew Chantry 暗示，AI 体系正在景象教圆里的停顿“以至比我们两年前的预期借要快很多，也更使人印象深入”。

“GraphCast 不断比其他机械进修模子（如英伟达的 FourCastNet）表示得更好，并且正在许多圆里，它比我们本人的猜测体系更精确。”

1分钟内乱猜测将来10天的气候

气候对人类具有普遍而深近的影响，触及到糊口、安康、经济等多个圆里。

气候预告是科教范畴中最陈腐且布满应战的事情之一。中期猜测正在撑持触及可再死能源到举动物流等跨部分的枢纽决议计划圆里起着相当主要的感化，但是要做到精确有用却十分艰难。

凡是，气候猜测依靠于数值气候预告（NWP），该办法从准确界说的物理圆程动身，然后转化成正在超等计较机上运转的计较机算法。虽然那一传统办法正在科教战工程范畴获得了胜利，但设想圆程战算法非常耗时，并且做出精确的猜测需求深沉的专业常识战高贵的计较资本。

据论文形貌，GraphCast 是一种基于机械进修战图神经收集 (GNN) 的气候预告体系，就可以耗而行，它能够要比传统办法自制 1000 倍。

GraphCast 以 0.25 度经度/纬度（赤讲处 28 千米 x 28 千米）的下分辩率停止猜测，超越一百万个网格面笼盖了全部天球外表。正在每一个网格面，该模子猜测 5 个天球外表变量（包罗温度、风速微风背和均匀海仄里压力）和 37 个海拔下度的每一个下度的 6 个年夜气鼓鼓变量（包罗比干度、风速微风背和温度）。

固然 GraphCast 的锻炼计较量很年夜，但天生的猜测模子十分下效。正在一台谷歌 TPU v4 机械上利用 GraphCast 停止 10 天猜测只需求没有到一分钟工夫。比拟之下，利用传统办法（比方 HRES）停止 10 天的猜测能够需求正在超等计较机中停止数小时的计较。

为了评价 GraphCast 的猜测妙技，研讨职员将 GraphCast 取今朝最精确的中程气候猜测模子 HRES 停止比力，成果发明，正在 1380 个考证目的中，GraphCast 正在 90% 的状况下较着劣于 HRES。

别的，该模子更善于猜测极度变乱，如热带气鼓鼓旋途径、年夜气鼓鼓河道（卖力极背火汽运送的年夜气鼓鼓狭小地区）战极度温度非常。

别的，除气候猜测，GraphCast 借能够开拓其他天文时空猜测新标的目的，包罗天气战死态教、能源、农业、人类战死物举动，和其他庞大的动力体系。

此前，一些研讨职员对 AI 精确预告极度气候的才能暗示了担心，部门缘故原由是已往可鉴戒的此类变乱相对较少。但是，GraphCast 正在 2-4 天的筹办工夫内乱将气鼓鼓旋预告轨讲偏差削减了约 10-15 英里，将取年夜气鼓鼓河道相干的火蒸气鼓鼓预告进步了 10%-25%，并提早 5-10 天供给了更准确的炎热战酷寒预告。

“普通以为，利用 AI 能够没法很好天猜测稀有的非常状况。但它仿佛正在那圆里做得很好，”Google DeepMind 研讨总监、该研讨的配合做者之一 Peter Battaglia 暗示，“那也阐明该模子捕获到了气候怎样随工夫演化的更根本的工具，而不单单是正在数据中寻觅更浅薄的形式。”

但那其实不意味着 AI 曾经能够代替一切传统预告办法。正在将 GraphCast 等 AI 模子牢靠天用于营业预告之前，借需求克制其他应战。

比方，该办法存正在一个主要限定正在于怎样处置没有肯定性。研讨的存眷面次要集合正在肯定性猜测上。GraphCast 的均圆偏差（MSE）锻炼目的鼓舞正在存正在没有肯定性的状况下正在空间上恍惚其猜测，但是正在某些使用中，出格是正在理解变乱尾部或结合几率的情境下，能够其实不幻想。

并且，因为锻炼数据战工程设想圆里的限定，环球 AI 模子借不克不及像传统模子那样天生那末多参数或那末精密的猜测。那使得 AI 模子正在猜测雷暴战山洪爆发等较小范畴的征象，或正在猜测能够正在小范畴内乱发生宏大降火量差别的较年夜气候体系时，感化没有年夜。

别的，景象教家也借没有是出格信赖 AI 模子，由于那些模子的内乱部运做没有如传统模子通明。科罗推多州坐年夜教年夜气鼓鼓研讨协作研讨所数据可视化研讨员 Jacob Radford 正在一启电子邮件中道：“预告员的一个枢纽脚色是背协作同伴注释战转达疑息，因为缺少东西去肯定 AI 模子为何会做出如许的猜测，那项使命变得更具应战性。那些模子仍处于起步阶段，正在思索投进利用之前，仍需求正在研讨战预告员群体中成立信赖。”

虽然该研讨存正在许多范围性，但研讨职员坚信，那标记着气候猜测迎去了一个主要的迁移转变面，为人类开拓了一条齐新的门路。

并且，他们暗示，那一办法也不该该被视为传统气候预告办法的替换品，传统气候预告办法曾经开展了几十年，正在很多理想情况中颠末了严厉的测试，并供给了很多人类还没有探究的功用。

“相反，我们的事情该当被注释为 AI 气候预告可以应对理想天下预告成绩应战的证据，而且有潜力弥补战改良当前的最好办法。”

AI景象预告的一些停顿

正在已往两年中，包罗谷歌、微硬战英伟达正在内乱的年夜型科技公司正在 AI 气候建模圆里获得了诸多停顿，那些公司皆揭晓了教术论文，称其 AI 模子的机能最少取欧洲模子相称。那些道法获得了 ECMWF 科教家的证明。

本年 7 月，同时登载正在 Nature 上的两篇闭于“AI 景象预告”的研讨论文，也提到了两种基于 AI 的景象预告办法。

由华为云开辟的盘古景象（Pangu-Weather）模子利用 39 年的环球再阐发气候数据做为锻炼数据，其猜测精确率取环球最好的数值气候预告体系 IFS 相称，正在不异的空间分辩率下比 IFS 体系快 10000 倍以上。

别的，由机械进修范畴泰斗、减州年夜教伯克利分校传授 Michael Jordan 战浑华年夜教传授王建平易近指导的结合研讨团队提出的模子 NowcastNet，能够分离物理纪律战深度进修，停止及时预告降火。

上个月，英国景象局（Met Office）颁布发表取野生智能研讨中间艾伦·图灵研讨所（Alan Turing Institute）协作，开辟本人的气候预告图神经收集，并将其归入现有的超等计较机根底设备。

英国景象局科教主任 Simon Vosper 道讲，需求正在预告中思索天气变革身分。“假如基于 AI 的体系只是正在从前的气候前提下承受‘锻炼’，那末量疑那些体系能否可以捕获到新的极度气候是很有压服力的。”

Vosper 借暗示：“我们的目的是，正在操纵基于年夜气鼓鼓物理教的传统计较机模子的同时，充实操纵 AI 所能供给的最好功用。我们信赖，这类手艺交融将正在那个剧变的时期供给最壮大、最具体的气候预告。”

能够预感的是，正在气候预告中利用 AI 将令人们的一样平常糊口受益，但 AI 也毫不会行步于此。

正如 Google DeepMind 正在专客中提到的：“我们的研讨不单单是猜测气候，而是理解更普遍的天气形式。经由过程开辟新东西战加快研讨，我们期望 AI 可以协助国际社会应对我们面对的最年夜情况应战。”