谷歌 DeepMind AI 提供超准确的 10 天天气预报

今年是 不间断的游行 的极端天气事件。 前所未有的高温席卷全球。 这个夏天 是地球上最热的 自 1880 年以来。从加利福尼亚州的山洪暴发和德克萨斯州的冰暴到毛伊岛和加拿大的毁灭性野火，与天气相关的事件深深影响了人们的生活和社区。

在预测这些事件时，每一秒都很重要。 人工智能可以提供帮助。

本周，谷歌 DeepMind 发布了一个AI 以前所未有的准确性和速度提供 10 天天气预报。 该模型称为 GraphCast，可以在给定位置浏览数百个与天气相关的数据点，并在一分钟内生成预测。 当面临超过 90 种潜在天气模式的挑战时，人工智能在大约 XNUMX% 的情况下击败了最先进的系统。

但 GraphCast 不仅仅是构建一个更准确的天气应用程序来挑选衣柜。

尽管没有经过明确的训练来检测极端天气模式，但人工智能发现了与这些模式相关的几个大气事件。 与以前的方法相比，它更准确地跟踪气旋轨迹并检测大气河流——大气中与洪水相关的肌肉区域。

GraphCast 还比当前方法提前预测了极端温度的出现。 和 2024 年将会更加温暖 随着极端天气事件的增加，人工智能的预测可以为社区提供宝贵的时间来做好准备并可能挽救生命。

“GraphCast 现在是世界上最准确的 10 天全球天气预报系统，可以比以前更预测未来的极端天气事件，”作者 写 在 DeepMind 博客文章中。

雨天

预测天气模式，即使是提前一周，也是一个古老但极具挑战性的问题。 我们的许多决策都是基于这些预测。 有些已经融入到我们的日常生活中：我今天应该带伞吗？ 其他决定是生死攸关的，比如何时发布疏散或就地避难的命令。

我们当前的预测软件主要基于地球大气层的物理模型。 通过研究天气系统的物理原理，科学家们根据数十年的数据编写了许多方程，然后将其输入超级计算机以生成预测。

一个突出的例子是欧洲中期天气预报中心的综合预报系统。 该系统根据我们目前对天气模式的理解，使用复杂的计算，每六个小时生成一次预测，为世界提供一些最准确的天气预报。

DeepMind 团队写道，这个系统“以及更广泛的现代天气预报，都是科学和工程的胜利”。

多年来，基于物理的方法的准确性迅速提高，部分归功于更强大的计算机。 但它们仍然耗时且成本高昂。

这并不奇怪。 天气是地球上最复杂的物理系统之一。 您可能听说过蝴蝶效应：蝴蝶扇动翅膀，大气层的微小变化就会改变龙卷风的轨迹。 虽然只是一个比喻，但它体现了天气预报的复杂性。

GraphCast 采用了不同的方法。 忘记物理学，让我们仅从过去的天气数据中寻找模式。

人工智能气象学家

GraphCast 建立在一种 神经网络 以前曾用于预测其他基于物理的系统，例如流体动力学。

它由三个部分组成。 首先，编码器将相关信息（例如某个位置的温度和海拔高度）映射到复杂的图表上。 将此视为机器可以轻松理解的抽象信息图。

第二部分是处理器，它学习分析并将信息传递给最后部分，即解码器。 然后解码器将结果转换为现实世界的天气预测地图。 总的来说，GraphCast 可以预测未来六个小时的天气模式。

但六个小时不是十天。 这是最关键的。 人工智能可以从自己的预测中学习。 GraphCast 的预测会作为输入反馈给自身，使其能够及时逐步预测未来的天气。 该团队写道，这种方法也用于传统的天气预报系统。

GraphCast 接受了近四十年历史天气数据的训练。 该团队采用分而治之的策略，将地球分成赤道处大约 17 x 17 英里的小块。 这导致超过一百万个“点”覆盖全球。

对于每个点，人工智能都使用两次收集的数据进行训练（一次是当前，另一次是六小时前），其中包括来自地球表面和大气的数十个变量，例如许多不同高度的温度、湿度以及风速和风向

训练的计算量很大，需要一个月的时间才能完成。

然而，一旦经过训练，人工智能本身就非常高效。 它可以使用单个 TPU 在不到一分钟的时间内生成 10 天的预测。 该团队解释说，使用超级计算机的传统方法需要数小时的计算。

光之光

为了测试其能力，该团队将 GraphCast 与当前天气预报的黄金标准进行了比较。

人工智能在近 90% 的时间里更加准确。 当仅依赖对流层（最接近地球的大气层，对天气预报至关重要）的数据时，它的表现尤其出色，在 99.7% 的情况下击败了竞争对手。 GraphCast 也表现出色 盘古天气，一个使用机器学习的顶级竞争天气模型。

该团队接下来在几种危险的天气场景中测试了 GraphCast：跟踪热带气旋、检测大气河流以及预测极热和极冷。 尽管没有接受过针对特定“警告信号”的训练，但人工智能比传统模型更早发出警报。

该模型还得到了经典气象学的帮助。 例如，该团队将现有的气旋跟踪软件添加到 GraphCast 的预测中。 这种结合得到了回报。 XNUMX 月，人工智能成功预测了飓风李席卷东海岸向新斯科舍省的轨迹。 该系统提前九天准确预测风暴登陆，比传统预测方法快了宝贵的三天。

GraphCast 不会取代传统的基于物理的模型。 相反，DeepMind 希望它能够支持它们。 欧洲中期天气预报中心 已经在尝试该模型 看看如何将其整合到他们的预测中。 DeepMind 还致力于提高人工智能处理不确定性的能力——鉴于天气越来越难以预测，这一需求至关重要。

GraphCast 并不是唯一的人工智能天气预报员。 DeepMind 和谷歌研究人员之前构建了两个 区域性 模型 可以准确预测未来90分钟或24小时的短期天气。 然而，GraphCast 可以看得更远。 当与标准天气软件一起使用时，这种组合可以影响天气紧急情况的决策或指导气候政策。 至少，我们可能会对将保护伞投入使用的决定更有信心。

“我们相信这标志着天气预报的一个转折点，”作者写道。

图片来源： 谷歌深度思维

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/