DeepMind的AI 天氣預(yù)程序準(zhǔn)確率超越全球頂尖系統(tǒng)!

　　在天氣預(yù)報(bào)領(lǐng)域，新的技術(shù)革新正在悄然發(fā)生。谷歌旗下的DeepMind團(tuán)隊(duì)開(kāi)發(fā)了一款名為 GenCast 的人工智能天氣預(yù)測(cè)程序，其預(yù)測(cè)效果已經(jīng)超過(guò)了當(dāng)前最頂尖的天氣預(yù)報(bào)系統(tǒng) —— 歐洲中期天氣預(yù)報(bào)中心(ECMWF)的 ENS 預(yù)測(cè)系統(tǒng)。根據(jù)研究，GenCast 在日常天氣和極端天氣事件的預(yù)測(cè)準(zhǔn)確度上，比 ENS 提高了20%。

　　GenCast 的主要優(yōu)勢(shì)在于其快速和高效的預(yù)測(cè)能力。傳統(tǒng)天氣預(yù)報(bào)依賴(lài)于復(fù)雜物理模型，需要在超級(jí)計(jì)算機(jī)上運(yùn)行數(shù)小時(shí)。而 GenCast 通過(guò)對(duì)1979年至2018年間40年的歷史氣象數(shù)據(jù)進(jìn)行訓(xùn)練，僅需八分鐘即可完成15天的天氣預(yù)報(bào)它能夠在28公里見(jiàn)方的區(qū)域內(nèi)，以12小時(shí)為間隔，預(yù)測(cè)全球天氣變化。

　　在一項(xiàng)對(duì)比實(shí)驗(yàn)中，Gen 在預(yù)測(cè)熱帶氣旋及其登陸地點(diǎn)方面表現(xiàn)優(yōu)于 ENS，尤其是在極端事件的預(yù)測(cè)上一能力對(duì)能源等相關(guān)行業(yè)有重要的參考價(jià)值。雖然目前 GenCast 主要是作為傳統(tǒng)天氣預(yù)的輔助工具，但其準(zhǔn)確性和效率都標(biāo)志著天氣預(yù)技術(shù)的一個(gè)重要轉(zhuǎn)折點(diǎn)。

　　目前 GenCast 是谷歌不斷推進(jìn)天氣預(yù)測(cè) AI 技術(shù)的最新成果之一。去年，谷還推出了結(jié)合 AI 與傳統(tǒng)物理模型的 NeuralGCM，以及單一最佳預(yù)測(cè)的 GraphCast。Gen 則通過(guò)生成超過(guò)50種的天氣預(yù)測(cè)并為不同天氣事件分配概率，進(jìn)一步了預(yù)報(bào)的可靠性。

　　氣象學(xué)界對(duì)這一技術(shù)進(jìn)步表示，英國(guó)氣象局的一位首席預(yù)報(bào)員稱(chēng)其為 “令人興奮的工作”，而歐洲中期天氣預(yù)報(bào)中心的發(fā)言人也認(rèn)可其為 “重要的進(jìn)展”。不過(guò)，也有專(zhuān)家指出，盡管 GenCast 的性能令人鼓舞，但仍需關(guān)注其是否具備足夠的物理現(xiàn)實(shí)性以應(yīng)對(duì)天氣預(yù)報(bào)中的不確定性。

　　盡管 AI 天氣預(yù)測(cè)技術(shù)展現(xiàn)出巨大的潛力，但專(zhuān)家們表示，取代傳統(tǒng)物理模型的路還很長(zhǎng)，未來(lái)需要進(jìn)一步研究以解決相關(guān)的科學(xué)問(wèn)題。