近日，Google DeepMind 宣佈其最新 AI 模型能迅速且準確地預測天氣。Google 於週二在《科學》雜誌發佈的一篇論文中提到由 3670 萬個參數組成的天氣預測 AI 模型 GraphCast。
39 年數據進行訓練
GraphCast 採用了歐洲中期天氣預報中心（ECMWF）自 1979 年至 2017 年間收集的 39 年數據進行訓練，該中心全天候處理全球數值天氣預測。ECMWF 的模型依賴數值天氣預報方法，運用數學模擬模擬大氣和海洋的運動。
學習不同天氣變數之間的關係
相比之下，GraphCast 則通過分析衛星圖像、雷達和氣象站的測量數據來預測天氣。該模型將包含大氣和海洋數據的全球地圖分割成網格，並學習不同天氣變數之間的關係，以預測如熱帶氣旋路徑、大氣河流和熱浪等特定事件。GraphCast 能夠預測溫度、風速和方向、濕度和 37 個不同高度的氣壓，從而幫助天氣預報。
90％ 以上更準確的預測
研究員 Remi Lam 表示，在與黃金標準確定性系統（ECMWF 的高解像度預報）的全面性能評估中，GraphCast 在 1380 個測試變量和預報時間的 90% 以上提供了更準確的預測。當評估限於對地球表面最接近的大氣層（對精確預報最重要的地方）時，他們的模型在未來天氣的 99.7% 測試指標上都優於 HRES。
雖然 GraphCast 的訓練過程需要耗費大量計算資源，運行了四週的 32 個 Google Cloud TPU v4 晶片集群，但最終訓練完成的模型可以在單台 Google TPU v4 機器上運行。
1 分鐘生成十天天氣預報
十天的天氣預報可以在不到一分鐘內生成，比運行在超級電腦上的數值天氣預報模型節省了數小時。然而，GraphCast 並非完美。其生成的數據有時不完整，不確定性區域會出現空間模糊，這意味著在計算不同天氣事件的概率（即集合預報）時，其預測可能不夠精確。它也無法像 ECMWF 的高解像度預報系統那樣有效地生成高層大氣層數據。
研究人員承認，GraphCast 仍需依賴傳統方法獲取優質數據，並且 ECMWF 的高解像度預報系統能產生 AI 尚未能夠實現的其他類型預報。
無法取代傳統方法
他們在論文中總結道：「我們的方法不應被視為傳統天氣預報方法的替代品，這些方法已發展了數十年，並在許多實際場合中經過嚴格測試，提供了許多我們尚未探索的功能。」他們強調，這項研究證明了基於機器學習的天氣預測能夠應對實際預測問題的挑戰，並有潛力補充和改進當前最佳方法。
