我們居住的地球，正在經(jīng)歷著人類(lèi)歷史上最熱的夏天(之一)。
2023 年 7 月 3 日，地球表面以上 2 米處記錄的全球平均氣溫首次超過(guò)了 17 攝氏度，是有記錄以來(lái)的最高溫度。除了人類(lèi)活動(dòng)，強(qiáng)勢(shì)的“厄爾尼諾”也是今夏全球高溫加劇的罪魁禍?zhǔn)字弧?/p>
圖|地球表面以上 2 米處的全球平均氣溫(來(lái)源：緬因大學(xué))
高溫不僅會(huì)導(dǎo)致部分地區(qū)停業(yè)、停產(chǎn)，給當(dāng)?shù)貛?lái)經(jīng)濟(jì)損失，也會(huì)危害我們的身體健康，甚至死亡，比如因長(zhǎng)時(shí)間暴露在高溫環(huán)境下引起的熱射病等。
除了異常高溫，近年來(lái)頻發(fā)的海嘯、臺(tái)風(fēng)(颶風(fēng))、洪水、冰雹等極端天氣，也同樣會(huì)對(duì)人類(lèi)的經(jīng)濟(jì)生活造成難以估量的負(fù)面影響。
據(jù)世界銀行估計(jì)，在全球范圍內(nèi)，改進(jìn)的氣象預(yù)測(cè)和預(yù)警系統(tǒng)不僅可以拯救數(shù)萬(wàn)人的生命，還可以帶來(lái)每年 1620 億美元的經(jīng)濟(jì)效益;另外，在過(guò)去 50 年中，超過(guò) 34% 的記錄災(zāi)害、22% 的相關(guān)死亡人數(shù)(101 萬(wàn)人)和 57% 的相關(guān)經(jīng)濟(jì)損失(2.84 萬(wàn)億美元)，也與極端降水事件不無(wú)關(guān)系。
圖|被災(zāi)難性颶風(fēng)肆虐后的小島。
因此，如何及時(shí)、準(zhǔn)確地預(yù)測(cè)短時(shí)和未來(lái)的天氣狀況，已成為科學(xué)家們?cè)噲D努力攻破的重要課題之一。
人工智能(AI)被寄予厚望，被認(rèn)為是“一個(gè)改善極端天氣預(yù)測(cè)的更快、更便宜的替代方案”。
那么，AI 在協(xié)助氣象預(yù)報(bào)方面的潛力如何?目前的預(yù)測(cè)效果又怎么樣呢?
今天，同時(shí)刊登在 Nature 上的兩篇關(guān)于“AI 氣象預(yù)報(bào)”的研究論文，便提到了兩種基于 AI 的氣象預(yù)報(bào)方法，其中一種方法能夠提前一周預(yù)測(cè)全球氣象模式，另一種方法則可以預(yù)測(cè)短時(shí)天氣，如極端降水事件。
據(jù)論文描述，這兩種基于 AI 的方法與現(xiàn)有方法的準(zhǔn)確性相當(dāng)，甚至可以預(yù)測(cè)此前難以預(yù)測(cè)的天氣現(xiàn)象。
然而，這些 AI 模型是否以及何時(shí)可以成為氣象學(xué)家進(jìn)行天氣預(yù)報(bào)的主要工具，目前仍然存在一些不確定性和爭(zhēng)議，主要的考慮因素在于，這些 AI 模型商業(yè)化后的運(yùn)營(yíng)成本高低以及是否可以贏得人們的信任。
明天天氣如何?AI來(lái)預(yù)測(cè)
天氣預(yù)報(bào)在幫助拯救生命和降低財(cái)產(chǎn)損失方面起著重要作用，尤其是在當(dāng)前極端氣候事件愈發(fā)頻繁的情況下。
當(dāng)前，最準(zhǔn)確的預(yù)報(bào)系統(tǒng)為數(shù)值天氣預(yù)報(bào)，這種方法主要依賴(lài)物理方程，但對(duì)算力的要求很高，需要高性能計(jì)算等方法來(lái)支持，而且速度通常很慢，單次模擬需要數(shù)個(gè)小時(shí)，即使在擁有數(shù)百個(gè)節(jié)點(diǎn)的超級(jí)計(jì)算機(jī)上。
近年來(lái)，一些基于 AI 的方法展現(xiàn)出了顯著提高天氣預(yù)報(bào)速度的潛力，可以在幾秒內(nèi)生成一個(gè) 24 小時(shí)預(yù)報(bào)，但準(zhǔn)確性一般不如數(shù)值天氣預(yù)報(bào)。
在題為“Accurate medium-range global weather forecasting with 3D neural networks”的論文中，由華為云 AI 首席科學(xué)家田奇領(lǐng)導(dǎo)的研究團(tuán)隊(duì)提出了一個(gè)基于 AI 的天氣預(yù)報(bào)系統(tǒng)——盤(pán)古氣象(Pangu-Weather)，其主要技術(shù)貢獻(xiàn)包括設(shè)計(jì) 3DEST 架構(gòu)并應(yīng)用分層時(shí)間聚合策略進(jìn)行中期預(yù)報(bào)。
圖|網(wǎng)絡(luò)訓(xùn)練和推理策略。(來(lái)源：Nature)
據(jù)介紹，這個(gè) AI 模型使用了 39 年的全球再分析天氣數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，其預(yù)測(cè)準(zhǔn)確率與全球最好的數(shù)值天氣預(yù)報(bào)系統(tǒng) IFS 相當(dāng);更重要的是，前者在相同的空間分辨率下比后者要快 10000 倍以上。
然而，正如論文中所提到的，盤(pán)古氣象也存在一定的局限性。
例如，該模型是在再分析數(shù)據(jù)上進(jìn)行訓(xùn)練和測(cè)試的，而實(shí)際的天氣預(yù)報(bào)系統(tǒng)使用觀測(cè)數(shù)據(jù);沒(méi)有研究降水等天氣變量，而忽略這些因素可能會(huì)導(dǎo)致模型缺乏一些能力(如利用降水?dāng)?shù)據(jù)準(zhǔn)確預(yù)測(cè)諸如龍卷風(fēng)這樣的小范圍極端天氣事件);該方法會(huì)產(chǎn)生更平滑的預(yù)報(bào)結(jié)果，增加了低估極端天氣事件波及范圍的風(fēng)險(xiǎn);以及時(shí)間不一致等問(wèn)題。
盡管如此，盤(pán)古氣象依然展示出了大型預(yù)訓(xùn)練模型在天氣預(yù)報(bào)方面的潛力。未來(lái)，研究團(tuán)隊(duì)希望通過(guò)融合更多垂直層次和大氣變量、整合時(shí)間維度并訓(xùn)練 4D 深度網(wǎng)絡(luò)、使用更深和更寬的網(wǎng)絡(luò)等方法，實(shí)現(xiàn)模型的進(jìn)一步迭代。
極端降水是導(dǎo)致氣象災(zāi)害的一個(gè)重要因素，因此非常需要通過(guò)具有高分辨率、充足準(zhǔn)備時(shí)間和局部細(xì)節(jié)的精確預(yù)報(bào)來(lái)減輕其社會(huì)經(jīng)濟(jì)影響。
在氣象預(yù)報(bào)中，有一種非常短期的天氣預(yù)報(bào)，即從當(dāng)前時(shí)間到未來(lái) 6 小時(shí)的“臨近預(yù)報(bào)”，主要用來(lái)提供即時(shí)天氣的詳細(xì)信息，對(duì)于極端降水事件的風(fēng)險(xiǎn)預(yù)防和危機(jī)管理非常重要。
然而，目前的方法存在模糊、耗散、強(qiáng)度或位置誤差等問(wèn)題，基于物理學(xué)的數(shù)值方法難以捕捉關(guān)鍵的混沌動(dòng)力學(xué)(如對(duì)流啟動(dòng))，而數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)方法未能遵守內(nèi)在的物理規(guī)律(如對(duì)流守恒)。
在另一篇論文中，由機(jī)器學(xué)習(xí)領(lǐng)域泰斗、加州大學(xué)伯克利分校教授 Michael Jordan 和清華大學(xué)教授王建民領(lǐng)導(dǎo)的聯(lián)合研究團(tuán)隊(duì)提出了一個(gè)結(jié)合物理規(guī)律和深度學(xué)習(xí)進(jìn)行實(shí)時(shí)預(yù)報(bào)降水的模型——NowcastNet。
圖|NowcastNet 的設(shè)計(jì)架構(gòu)。(來(lái)源：Nature)
據(jù)介紹，NowcastNet 在臨近預(yù)報(bào)方面表現(xiàn)出色，基于雷達(dá)觀測(cè)數(shù)據(jù)，可以做到提前3 小時(shí)對(duì) 2048 km × 2048 km 的區(qū)域進(jìn)行高分辨降水預(yù)測(cè);在一項(xiàng)涉及極端降水預(yù)測(cè)能力的評(píng)估中，該模型在約 70% 的預(yù)測(cè)中超過(guò)了其他方法;此前很難預(yù)測(cè)的極端降水事件方面，表現(xiàn)尤其突出。
我們應(yīng)該相信AI嗎?
在一篇與上述論文同時(shí)發(fā)表的“新聞與觀點(diǎn)”文章中，科羅拉多州立大學(xué)研究教授 Imme Ebert-Uphoff 和研究助理 Kyle Hilburn 認(rèn)為，這些方法非常有前途，甚至有可能引發(fā)一種范式轉(zhuǎn)變，即基于生成式 AI 的模型可以完全取代數(shù)值天氣預(yù)報(bào)。
然而，他們也提醒到，這些 AI 模型也存在一些潛在風(fēng)險(xiǎn)。例如，當(dāng)在從未見(jiàn)過(guò)的條件下運(yùn)行時(shí)，AI 系統(tǒng)的行為通常是不可預(yù)測(cè)的。
因此，要想避免這些風(fēng)險(xiǎn)，就需要?dú)庀髮W(xué)家參與進(jìn)來(lái)，學(xué)習(xí)設(shè)計(jì)、評(píng)估和解讀這類(lèi)系統(tǒng)。
對(duì)此，同樣在科羅拉多州立大學(xué)任職的 Russ Schumacher 教授表示，“人們對(duì) AI 的擔(dān)憂(yōu)通常在于它是一個(gè)黑匣子，你只需輸入一些數(shù)字并取出一些數(shù)字，卻不知道其間的過(guò)程如何運(yùn)作?！?/p>
另外，盡管氣象學(xué)家們尚未完全接受這種“AI 魔法”，但他們已經(jīng)在學(xué)習(xí)如何將用于運(yùn)行傳統(tǒng)模型的大氣觀測(cè)數(shù)據(jù)實(shí)時(shí)提供給 AI 模型，以及獲得更多使用這些 AI 模型的經(jīng)驗(yàn)。
未來(lái)，建立對(duì)“黑匣子”模型的信任或許依然需要一些時(shí)間，但將 AI 模型用在氣象預(yù)報(bào)的實(shí)踐，會(huì)在這股 AI 浪潮中繼續(xù)向前。
關(guān)于 AI氣象預(yù)報(bào)，你怎么看?
參考鏈接：
https://www.nature.com/articles/s41586-023-06185-3
https://www.nature.com/articles/s41586-023-06184-4
https://www.nature.com/articles/d41586-023-02084-9
https://www.newscientist.com/article/2381069-earth-has-just-experienced-the-hottest-day-we-have-ever-seen/
https://www.washingtonpost.com/weather/2023/07/04/ai-weather-forecasts-hurricanes-tornadoes/
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)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(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)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(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)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(shū)面權(quán)利通知或不實(shí)情況說(shuō)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(huì)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(kāi)相關(guān)鏈接。 ）
