谷歌人工智能(AI)公司DeepMind开发出一种机器学习模型GraphCast，该模型在“3至10天的中期气象预测领域”展现出超越传统气象预测模型和其他AI方法的准确率和效率。相关研究结果发表于11月14日《科学》。

图片来源：Carlos Munoz Yague/Look At Science/Science Photo Library

“GraphCast目前在AI模型的竞赛中处于领先地位。”加州大学洛杉矶分校计算机科学家Aditya Grover说。

预测天气是一项复杂且耗费大量能源的任务。全球气象机构使用的标准方法被称为数值天气预报(NWP)，由欧洲中期天气预报中心(ECMWF)运行，是一种基于物理原理的数学模型，利用超级计算机处理来自全球浮标、卫星和气象站的天气数据。这些计算能准确地描绘出热量、空气和水蒸气如何在大气中移动，但模型运行起来既昂贵又耗能。

为降低预测的财务和能源成本，几家科技公司开发了机器学习模型，可以根据过去和当前的天气数据快速预测未来的全球天气状况。其中包括DeepMind、英伟达(Nvidia)和华为，以及一系列初创企业。华为云开发的盘古气象大模型是黄金标准NWP系统最有力的竞争对手，该系统可提前15天提供世界领先的天气预报。

ECMWF的Matthew Chantry表示，机器学习正在推动天气预报领域的一场革命。美国科罗拉多州大气合作研究所数据可视化研究员Jacob Radford说，人工智能模型的运行速度比传统的NWP模型快1000到10000倍，这能为解释和交流预测留出了更多的时间。

GraphCast的研究人员首先使用物理模型对1979年至2017年过去全球天气的估计来训练模型，这使得GraphCast能够了解诸如气压、风、温度和湿度等天气变量之间的联系。

经过训练的模型使用全球天气的“当前”状态和6小时前的天气估计来预测未来6小时的天气。早期的预测被反馈到模型中，使其能够对未来做出进一步的估计。DeepMind的研究人员发现，GraphCast可以利用2018年的全球天气预测，在不到一分钟的时间内提前10天做出预测，而且预测比ECMWF的高分辨率预报系统(HRES)更准确，HRES是NWP的一个版本，需要数小时才能出结果。

DeepMind计算机科学家Remi Lam表示，在完成的12000次测量中，GraphCast在99%以上的测量中都优于HRES，在大气的所有层面上，该模型在90%的天气预测上都优于HRES。

GraphCast预测了靠近地球表面的5个天气变量的状态，如离地面2米的气温，以及离地球表面更远的6个大气变量，如风速。Chantry指出，GraphCast在预测恶劣天气事件方面也被证明是有用的，如热带气旋的路径，以及极端高温和低温事件。

Chantry指出，虽然基于某些指标的评估，GraphCast的性能优于研究中的其他模型，但未来使用其他指标对其性能进行评估可能会导致略有不同的结果。

“机器学习模型仍处于实验阶段，它不会完全取代传统方法，而是可以提高标准方法不擅长的特定类型的天气预测，比如预测几小时内的降雨量。”Chantry说，“我预计，人们还需要2到5年的时间，才能利用机器学习方法进行预测，在现实世界中做出决策。”

与此同时，机器学习方法的问题必须得到解决。Grover说，与NWP模型不同，研究人员不能完全理解像GraphCast这样的AI是如何工作的，因为决策过程发生在人工智能的“黑匣子”中。“这让人质疑它们的可靠性。”同时，AI模型也有放大训练数据偏差的风险，并且需要大量的能量进行训练。（来源：中国科学报 辛雨）

相关论文信息：https://doi.org/10.1126/science.adi2336