Google DeepMind推出的GenCast AI，能在幾分鐘內(nèi)提供15天的天氣預(yù)測，超越傳統(tǒng)系統(tǒng)90%以上的預(yù)測準(zhǔn)確率，為極端天氣應(yīng)對提供有力支持。
今年的天氣又一次變幻莫測。美國西南部被熱浪籠罩，加利福尼亞在十月迎來“第二個(gè)夏天”，多個(gè)城市創(chuàng)下高溫紀(jì)錄。颶風(fēng)海倫和颶風(fēng)米爾頓先后襲擊了墨西哥灣沿岸，帶來了傾盆大雨和嚴(yán)重洪水。甚至經(jīng)驗(yàn)豐富的氣象學(xué)家也被這些颶風(fēng)迅速加強(qiáng)的速度震驚，其中一位在鏡頭前哽咽著說：“這實(shí)在是太可怕了?！?/p>
在應(yīng)對極端天氣時(shí)，每一秒都至關(guān)重要，而有效的應(yīng)對措施依賴于準(zhǔn)確的天氣預(yù)測。這正是AI發(fā)揮作用的地方。
本周，Google DeepMind推出了一款名為GenCast的AI，能夠在幾分鐘內(nèi)預(yù)測出15天內(nèi)的天氣，遠(yuǎn)超傳統(tǒng)模型通常需要數(shù)小時(shí)的時(shí)間。在與歐洲中期天氣預(yù)報(bào)中心(ECMWF)ENS模型的較量中，GenCast在超過90%的時(shí)間里獲勝。
GenCast是DeepMind最新的天氣預(yù)測算法。去年，他們發(fā)布了一個(gè)版本，能夠準(zhǔn)確預(yù)測10天的天氣。與之前的模型不同，GenCast采用了一種生成式AI架構(gòu)，類似于驅(qū)動ChatGPT、Gemini，或根據(jù)文本提示生成圖像和視頻的技術(shù)。
這種架構(gòu)使GenCast比以往的模型更具優(yōu)勢，后者通常只能提供單一的天氣路徑預(yù)測。而GenCast則能生成50個(gè)或更多的預(yù)測結(jié)果，每個(gè)結(jié)果代表一種可能的天氣軌跡，并給出每種情境發(fā)生的可能性。
簡而言之，AI“想象”出一個(gè)多重宇宙的天氣可能性，并選擇出最可能發(fā)生的那一個(gè)。
GenCast不僅在日常天氣預(yù)測方面表現(xiàn)出色，還在預(yù)測極端天氣方面超越了ENS，包括高溫、低溫和強(qiáng)風(fēng)。當(dāng)面對來自臺風(fēng)哈吉比斯的數(shù)據(jù)時(shí)，GenCast提前七天預(yù)測了可能的路徑。這場臺風(fēng)是幾十年來襲擊日本的最致命的熱帶氣旋之一，暴雨導(dǎo)致洪水淹沒了整個(gè)社區(qū)，水位高到屋頂，電力供應(yīng)幾乎全部中斷。
正如DeepMind的研究作者Ilan Price和Matthew Wilson在博客中所寫：“隨著氣候變化推動更多極端天氣事件，準(zhǔn)確和可靠的天氣預(yù)報(bào)變得比以往任何時(shí)候都更加重要?！?/p>
迎接不確定性
天氣預(yù)測歷來被認(rèn)為是極具挑戰(zhàn)性的，因?yàn)樘鞖獗举|(zhì)上是一個(gè)混亂的系統(tǒng)。你可能聽說過“蝴蝶效應(yīng)”——一只蝴蝶扇動翅膀，可能會引發(fā)氣候變化，甚至在遙遠(yuǎn)的地方引發(fā)海嘯等自然災(zāi)害。雖然這是一個(gè)比喻，但它凸顯了初始天氣條件中的任何微小變化，都能迅速傳播至廣泛地區(qū)，改變最終的天氣結(jié)果。
幾十年來，科學(xué)家們通過物理模擬地球大氣層來嘗試模擬這些過程。他們通過全球氣象站和衛(wèi)星收集數(shù)據(jù)，編寫方程式來預(yù)測天氣，并預(yù)測這些數(shù)據(jù)隨時(shí)間的變化。
問題在于，這些龐大的數(shù)據(jù)需要在超級計(jì)算機(jī)上處理數(shù)小時(shí)，甚至數(shù)天，同時(shí)消耗大量的能源。
而AI或許能夠提供幫助。與其模仿大氣變化的物理規(guī)律或海洋的渦旋，這些系統(tǒng)通過大量數(shù)據(jù)分析，識別天氣模式。GraphCast于2013年發(fā)布，它通過捕捉地球表面的百萬個(gè)數(shù)據(jù)點(diǎn)，能夠在不到一分鐘的時(shí)間內(nèi)預(yù)測出10天的天氣。中國的華為Pangu-Weather和NowcastNet也在氣象預(yù)測的競爭中占有一席之地，后者特別擅長高精度降水預(yù)測，這是天氣預(yù)報(bào)中最具挑戰(zhàn)性的部分之一。
然而，天氣預(yù)測總是充滿變數(shù)。與這些類似的氣象預(yù)測AI模型不同，GraphCast等是確定性的，只能預(yù)測單一的天氣路徑?，F(xiàn)在，氣象界越來越傾向于接受“集合模型”，這種模型預(yù)測多個(gè)可能的情景。
正如團(tuán)隊(duì)所說：“集合預(yù)報(bào)比依賴單一預(yù)測更有用，因?yàn)樗鼮闆Q策者提供了一個(gè)更完整的未來天氣圖景，并預(yù)測了每種情景發(fā)生的可能性?！?/p>
云中偶爾有雨
GenCast正面迎接天氣的不確定性。這款A(yù)I主要依賴于擴(kuò)散模型，一種生成式AI模型。它綜合了地球表面和大氣的12項(xiàng)氣象指標(biāo)，例如溫度、風(fēng)速、濕度和氣壓，這些都是傳統(tǒng)上用來衡量天氣的參數(shù)。
團(tuán)隊(duì)用來自公開數(shù)據(jù)庫的40年歷史天氣數(shù)據(jù)對GenCast進(jìn)行了訓(xùn)練，數(shù)據(jù)最晚更新至2018年。與要求單一預(yù)測不同，他們讓GenCast生成多個(gè)預(yù)測結(jié)果，每個(gè)預(yù)測都從稍有不同的天氣條件出發(fā)——可以說是不同的“蝴蝶”。然后，將這些結(jié)果組合成一個(gè)集合預(yù)測，并預(yù)測每種天氣模式發(fā)生的可能性。
當(dāng)測試2019年的天氣數(shù)據(jù)時(shí)，GenCast的表現(xiàn)優(yōu)于現(xiàn)有的領(lǐng)導(dǎo)者ENS，特別是在長達(dá)15天的預(yù)測中。與記錄數(shù)據(jù)對比，GenCast在1300項(xiàng)天氣預(yù)測指標(biāo)上，97%的時(shí)間表現(xiàn)超過了ENS。
GenCast的預(yù)測速度也非常快。與傳統(tǒng)超級計(jì)算機(jī)需要數(shù)小時(shí)才能生成結(jié)果不同，這款A(yù)I在大約8分鐘內(nèi)就能完成預(yù)測。如果被采用，這套系統(tǒng)可以為緊急預(yù)警提供更多時(shí)間。
眾志成城
雖然GenCast并不是專門為預(yù)測極端天氣而訓(xùn)練的，但它在臺風(fēng)哈吉比斯來臨前，預(yù)測了它的路徑。這場風(fēng)暴是幾十年來襲擊日本的最致命臺風(fēng)之一，導(dǎo)致洪水淹沒了社區(qū)，水位高到屋頂，電力供應(yīng)幾乎完全中斷。
GenCast的集合預(yù)測猶如電影般生動。它在臺風(fēng)哈吉比斯登陸前七天開始，預(yù)測了多種可能的路徑。隨著風(fēng)暴逐漸接近，AI的預(yù)測變得更加準(zhǔn)確，路徑逐漸縮小。雖然并不完美，GenCast給出了與實(shí)際記錄非常相似的臺風(fēng)路徑。
正如作者所寫：“在一周的預(yù)警期內(nèi)，GenCast可以為決定何時(shí)以及如何準(zhǔn)備應(yīng)對熱帶氣旋提供重要的參考價(jià)值?！?/p>
更準(zhǔn)確的長期預(yù)測不僅有助于為未來的氣候挑戰(zhàn)做準(zhǔn)備，還能幫助優(yōu)化可再生能源的規(guī)劃。以風(fēng)能為例，預(yù)測風(fēng)力何時(shí)何地以及風(fēng)速如何，將增加這一能源的可靠性，降低成本，可能加速技術(shù)的普及。在一項(xiàng)概念驗(yàn)證分析中，GenCast在預(yù)測全球5000多座風(fēng)力發(fā)電廠的總發(fā)電量時(shí)，表現(xiàn)優(yōu)于ENS。
GenCast并不是唯一的AI氣象預(yù)報(bào)員。Nvidia的FourCastNet也使用生成式AI來預(yù)測天氣，其能耗低于傳統(tǒng)方法。Google Research還開發(fā)了多種天氣預(yù)測算法，包括NeuralGCM和SEEDS，其中一些已經(jīng)被應(yīng)用到Google搜索和地圖中，涵蓋了降水、野火、洪水和熱浪預(yù)警。微軟也加入了這場競爭，推出了ClimaX，這是一款靈活的AI，能夠根據(jù)不同的準(zhǔn)確度預(yù)測從幾小時(shí)到幾個(gè)月的天氣。
然而，這并不意味著AI會取代氣象學(xué)家的工作。DeepMind團(tuán)隊(duì)強(qiáng)調(diào)，GenCast的成功離不開氣候科學(xué)家和物理模型的基礎(chǔ)性工作。為了回饋社會，他們將部分GenCast的成果發(fā)布給更廣泛的氣象社區(qū)，以便獲取更多的見解和反饋。
本文譯自 singularityhub，由 BALI 編輯發(fā)布。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
