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

原文来源：学术头条

图片来源：由无界 AI生成

在天气预报方面，人工智能（AI）颠覆了传统方法，有望以更快的速度和更低的成本实现更准确的预测。

Google DeepMind 推出的一款基于机器学习的天气预测模型——GraphCast，在全球 0.25° 的分辨率下，在一分钟内预测未来 10 天的数百个天气变量，显著优于传统气象预报方法。此外，该模型在预测极端事件方面同样表现良好。

相关研究论文以“Learning skillful medium-range global weather forecasting”为题，已发表在权威科学期刊 Science 上。另外，相关开源代码也已发布在 Github 上。

这一研究成果表明，未来的天气预报（如日常天气和飓风、酷暑和严寒等极端事件）可能会变得更加准确。

9 月份发生在北大西洋的飓风“Lee”便是一个成功预测的例子。论文共同一作、共同通讯作者 Rémi Lam 表示，“GraphCast 能够在飓风发生前 9 天正确预测‘Lee’将在新斯科舍省登陆，而传统方法只能预测 6 天。这让人们多了 3 天时间为它的到来做好准备。”

对此，欧洲中期天气预报中心（ECMWF）机器学习协调员 Matthew Chantry 表示，AI 系统在气象学方面的进展“甚至比我们两年前的预期还要快得多，也更令人印象深刻”。

“GraphCast 一直比其他机器学习模型（如英伟达的 FourCastNet）表现得更好，而且在很多方面，它比我们自己的预测系统更准确。”

1 分钟内预测未来 10 天的天气

天气对人类具有广泛而深远的影响，涉及到生活、健康、经济等多个方面。

天气预报是科学领域中最古老且充满挑战的工作之一。中期预测在支持涉及可再生能源到活动物流等跨部门的关键决策方面起着至关重要的作用，然而要做到准确有效却非常困难。

通常，天气预测依赖于数值天气预报（NWP），该方法从精确定义的物理方程出发，然后转化成在超级计算机上运行的计算机算法。尽管这一传统方法在科学和工程领域取得了成功，但设计方程和算法十分耗时，而且做出准确的预测需要深厚的专业知识和昂贵的计算资源。

据论文描述，GraphCast 是一种基于机器学习和图神经网络 (GNN) 的天气预报系统，就能耗而言，它可能要比传统方法便宜 1000 倍。

GraphCast 以 0.25 度经度/纬度（赤道处 28 公里 x 28 公里）的高分辨率进行预测，超过一百万个网格点覆盖了整个地球表面。在每个网格点，该模型预测 5 个地球表面变量（包括温度、风速和风向以及平均海平面压力）以及 37 个海拔高度的每个高度的 6 个大气变量（包括比湿度、风速和风向以及温度）。

虽然 GraphCast 的训练计算量很大，但生成的预测模型非常高效。在一台谷歌 TPU v4 机器上使用 GraphCast 进行 10 天预测只需要不到一分钟时间。相比之下，使用传统方法（例如 HRES）进行 10 天的预测可能需要在超级计算机中进行数小时的计算。

为了评估 GraphCast 的预测技能，研究人员将 GraphCast 与目前最准确的中程天气预测模型 HRES 进行比较，结果发现，在 1380 个验证目标中，GraphCast 在 90% 的情况下明显优于 HRES。

此外，该模型更擅长预测极端事件，如热带气旋路径、大气河流（负责极向水汽输送的大气狭窄区域）和极端温度异常。

另外，除了天气预测，GraphCast 还可以开辟其他地理时空预测新方向，包括气候和生态学、能源、农业、人类和生物活动，以及其他复杂的动力系统。

此前，一些研究人员对 AI 准确预报极端天气的能力表示了担忧，部分原因是过去可借鉴的此类事件相对较少。然而，GraphCast 在 2-4 天的准备时间内将气旋预报轨道误差减少了约 10-15 英里，将与大气河流相关的水蒸气预报提高了 10%-25%，并提前 5-10 天提供了更精确的酷热和严寒预报。