Google DeepMind推出的GenCast AI，能在几分钟内提供15天的天气预测，超越传统系统90%以上的预测准确率，为极端天气应对提供有力支持。
今年的天气又一次变幻莫测。美国西南部被热浪笼罩，加利福尼亚在十月迎来“第二个夏天”，多个城市创下高温纪录。飓风海伦和飓风米尔顿先后袭击了墨西哥湾沿岸，带来了倾盆大雨和严重洪水。甚至经验丰富的气象学家也被这些飓风迅速加强的速度震惊，其中一位在镜头前哽咽着说：“这实在是太可怕了。”
在应对极端天气时，每一秒都至关重要，而有效的应对措施依赖于准确的天气预测。这正是AI发挥作用的地方。
本周，Google DeepMind推出了一款名为GenCast的AI，能够在几分钟内预测出15天内的天气，远超传统模型通常需要数小时的时间。在与欧洲中期天气预报中心(ECMWF)ENS模型的较量中，GenCast在超过90%的时间里获胜。
GenCast是DeepMind最新的天气预测算法。去年，他们发布了一个版本，能够准确预测10天的天气。与之前的模型不同，GenCast采用了一种生成式AI架构，类似于驱动ChatGPT、Gemini，或根据文本提示生成图像和视频的技术。
这种架构使GenCast比以往的模型更具优势，后者通常只能提供单一的天气路径预测。而GenCast则能生成50个或更多的预测结果，每个结果代表一种可能的天气轨迹，并给出每种情境发生的可能性。
简而言之，AI“想象”出一个多重宇宙的天气可能性，并选择出最可能发生的那一个。
GenCast不仅在日常天气预测方面表现出色，还在预测极端天气方面超越了ENS，包括高温、低温和强风。当面对来自台风哈吉比斯的数据时，GenCast提前七天预测了可能的路径。这场台风是几十年来袭击日本的最致命的热带气旋之一，暴雨导致洪水淹没了整个社区，水位高到屋顶，电力供应几乎全部中断。
正如DeepMind的研究作者Ilan Price和Matthew Wilson在博客中所写：“随着气候变化推动更多极端天气事件，准确和可靠的天气预报变得比以往任何时候都更加重要。”
迎接不确定性
天气预测历来被认为是极具挑战性的，因为天气本质上是一个混乱的系统。你可能听说过“蝴蝶效应”——一只蝴蝶扇动翅膀，可能会引发气候变化，甚至在遥远的地方引发海啸等自然灾害。虽然这是一个比喻，但它凸显了初始天气条件中的任何微小变化，都能迅速传播至广泛地区，改变最终的天气结果。
几十年来，科学家们通过物理模拟地球大气层来尝试模拟这些过程。他们通过全球气象站和卫星收集数据，编写方程式来预测天气，并预测这些数据随时间的变化。
问题在于，这些庞大的数据需要在超级计算机上处理数小时，甚至数天，同时消耗大量的能源。
而AI或许能够提供帮助。与其模仿大气变化的物理规律或海洋的涡旋，这些系统通过大量数据分析，识别天气模式。GraphCast于2013年发布，它通过捕捉地球表面的百万个数据点，能够在不到一分钟的时间内预测出10天的天气。中国的华为Pangu-Weather和NowcastNet也在气象预测的竞争中占有一席之地，后者特别擅长高精度降水预测，这是天气预报中最具挑战性的部分之一。
然而，天气预测总是充满变数。与这些类似的气象预测AI模型不同，GraphCast等是确定性的，只能预测单一的天气路径。现在，气象界越来越倾向于接受“集合模型”，这种模型预测多个可能的情景。
正如团队所说：“集合预报比依赖单一预测更有用，因为它为决策者提供了一个更完整的未来天气图景，并预测了每种情景发生的可能性。”
云中偶尔有雨
GenCast正面迎接天气的不确定性。这款AI主要依赖于扩散模型，一种生成式AI模型。它综合了地球表面和大气的12项气象指标，例如温度、风速、湿度和气压，这些都是传统上用来衡量天气的参数。
团队用来自公开数据库的40年历史天气数据对GenCast进行了训练，数据最晚更新至2018年。与要求单一预测不同，他们让GenCast生成多个预测结果，每个预测都从稍有不同的天气条件出发——可以说是不同的“蝴蝶”。然后，将这些结果组合成一个集合预测，并预测每种天气模式发生的可能性。
当测试2019年的天气数据时，GenCast的表现优于现有的领导者ENS，特别是在长达15天的预测中。与记录数据对比，GenCast在1300项天气预测指标上，97%的时间表现超过了ENS。
GenCast的预测速度也非常快。与传统超级计算机需要数小时才能生成结果不同，这款AI在大约8分钟内就能完成预测。如果被采用，这套系统可以为紧急预警提供更多时间。
众志成城
虽然GenCast并不是专门为预测极端天气而训练的，但它在台风哈吉比斯来临前，预测了它的路径。这场风暴是几十年来袭击日本的最致命台风之一，导致洪水淹没了社区，水位高到屋顶，电力供应几乎完全中断。
GenCast的集合预测犹如电影般生动。它在台风哈吉比斯登陆前七天开始，预测了多种可能的路径。随着风暴逐渐接近，AI的预测变得更加准确，路径逐渐缩小。虽然并不完美，GenCast给出了与实际记录非常相似的台风路径。
正如作者所写：“在一周的预警期内，GenCast可以为决定何时以及如何准备应对热带气旋提供重要的参考价值。”
更准确的长期预测不仅有助于为未来的气候挑战做准备，还能帮助优化可再生能源的规划。以风能为例，预测风力何时何地以及风速如何，将增加这一能源的可靠性，降低成本，可能加速技术的普及。在一项概念验证分析中，GenCast在预测全球5000多座风力发电厂的总发电量时，表现优于ENS。
GenCast并不是唯一的AI气象预报员。Nvidia的FourCastNet也使用生成式AI来预测天气，其能耗低于传统方法。Google Research还开发了多种天气预测算法，包括NeuralGCM和SEEDS，其中一些已经被应用到Google搜索和地图中，涵盖了降水、野火、洪水和热浪预警。微软也加入了这场竞争，推出了ClimaX，这是一款灵活的AI，能够根据不同的准确度预测从几小时到几个月的天气。
然而，这并不意味着AI会取代气象学家的工作。DeepMind团队强调，GenCast的成功离不开气候科学家和物理模型的基础性工作。为了回馈社会，他们将部分GenCast的成果发布给更广泛的气象社区，以便获取更多的见解和反馈。
本文译自 singularityhub，由 BALI 编辑发布。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
