当地时间周二，谷歌DeepMind团队在《科学》期刊上发表论文称，该团队开发的GraphCast AI模型在“3至10天的中期气象预测领域”展现出超越传统气象预测模型的准确率和效率。

来源：《科学》官网

DeepMind团队在论文结论部分直白地表示，团队相信这个AI模型标志着“气象预测（行业）的转折点”。

强在哪里？

经过广泛的评估显示，GraphCast模型在预测未来3至10天的天气方面，较欧洲中期天气预报中心（ECMWF）所运行的最先进传统预报系统更加准确。

在1380个验证目标中，GraphCast在90%的情况下要优于最先进的传统模型。这些指标包括不同大气层的温度、压力、风速、方向以及湿度等。该模型较为突出的优点是能够更好地支持严重气象事件的预测，例如热带气旋追踪、大气河流以及极端温度等。

欧洲中期天气预报中心是一个政府间机构，近年来一直在使用英伟达、DeepMind以及华为盘古等AI大模型进行实时预测，该机构也同步运营着自营综合预报系统。ECMWF的机器学习协调员Matthew Chantry也对媒体表示，气象领域的AI系统进步速度“比我们两年前预期的要快得多，也更令人印象深刻”。

据悉，GraphCast使用的是被称为“图神经网络”（GNN）的机器学习架构。这个AI模型通过学习ECMWF过去40多年的数据，了解天气系统是如何在全球范围内发展和移动。这个模型的运作机制是输入当前时刻及前6个小时的全球大气状态（这些数据由ECMWF进行观测和汇总），然后只需要一个谷歌TPU v4的云算力就能在一分钟内生成10天的预报。

作为对比，ECMWF与全球气象机构使用的传统方式被称为“数值天气预报”（NWP）——使用超级计算机依据大气物理的知识计算方程式。耗能极大的超算需要数个小时来得出结果。

Chantry惊叹称：“一旦GraphCast模型训练完成，实际的运行成本极低。在能源消耗方面，我们可能谈论的是1000倍的节省，这是一个奇迹般的进步。”

作为实战案例，该论文的主要作者Rémi Lam介绍称，在今年9月飓风Lee生成并登陆的过程中，谷歌模型提前9天就成功预测该飓风会在加拿大新斯科舍省登陆，而传统方法只能提前6天，意味着人们能多出3天时间来准备。

然而AI模型也不是“全知全能”。例如今年10月底飓风Otis在短短12个小时内从热带风暴升级至5级飓风的过程中，AI模型的表现就不如传统的物理模型。

AI融合已经开始

Chantry介绍称，ECMWF的下一步动作就是建立自己的AI模型，并与传统的数值预测系统结合起来。Chantry表示，这些看起来像是“黑箱”的机器学习系统，存在空间让他们把对物理学的理解注入其中。

凑巧的是，英国气象局也在上个月宣布与艾伦图灵研究院合作，开发自营GNN气象预测模型，并将其整合到现有的超算基建中。

当然英国官方对“AI模型”仍抱有一些半信半疑的态度。英国气象局的科学总监Simon Vosper解释称，在天气预报中需要考虑气候变化的因素，如果这些AI系统只是基于过往的天气条件进行训练，那么它们能否捕捉到新的极端天气情况，需要打上一个问号。

不过Vosper也补充称，英国气象局的目标是，在使用基于大气物理的传统计算机模型同时，充分利用AI所能提供的最佳效果，相信这种技术融合能够在这个变化剧烈的时代，提供最强力和最详尽的天气预报。

编辑/范辉