Google DeepMind 的人工智能预测优于“黄金标准”模型

没有人能够完全预测人工智能行业将把大家带向何方，但至少人工智能可以可靠地告诉你到达目的地时的天气情况。（相对而言。）根据 11 月 14 日发表在《科学》杂志上的一篇论文，一款名为 GraphCast 的新型人工智能 10 天气候预报程序几乎每次都比现有的预测工具表现更好。这项开源技术甚至有望识别和绘制潜在的危险天气事件——同时仅使用“黄金标准”系统计算能力的一小部分。

GraphCast 团队成员 Remi Lam 在周二的一份声明中表示：“天气预报是最古老、最具挑战性的科学研究之一。中期预测对于支持从可再生能源到活动物流等各个领域的关键决策至关重要，但很难做到准确和高效。”

[相关：听听披头士乐队的《Now and Then》，这是一首使用人工智能录制的“新”歌曲。]

GraphCast 由 Lam 和谷歌 DeepMind（该科技公司的 AI 研究部门）的同事开发，经过数十年的历史天气信息以及大约 40 年的卫星、气象站和雷达再分析的训练。这与所谓的数值天气预报 (NWP) 模型形成了鲜明对比，后者传统上利用大量有关热力学、流体动力学和其他大气科学的数据。所有这些数据都需要强大的计算能力，而计算能力本身又需要大量昂贵的能源来处理所有这些数字。除此之外，NWP 的速度很慢——超级计算机中的数百台机器需要数小时才能生成 10 天的预报。

与此同时，GraphCast 只需通过谷歌一台人工智能机器学习张量处理单元 (TPU) 机器，就能在不到 1 分钟的时间内提供高度准确的中期气候预测。

在与行业标准 NWP 系统高分辨率预报 (HRES) 进行全面性能评估时，GraphCast 在 90% 以上的测试中都表现出了更高的准确性。当将范围限制在地球对流层（大气层最底层，最容易出现天气事件的地方）时，GraphCast 在 99.7% 的测试变量中击败了 HRES。谷歌 DeepMind 团队对新程序无需接受任何训练就能发现危险天气事件的能力印象深刻。通过上传飓风跟踪算法并在 GraphCast 现有参数中实施，这个人工智能程序能够立即更准确地识别和预测风暴路径。

9 月，GraphCast 通过 HRES 背后的组织欧洲中期天气预报中心 (ECMWF) 首次公开亮相。在此期间，GraphCast 准确预测了飓风 Lee 在新斯科舍登陆前九天的轨迹。现有的预报程序不仅准确度较低，而且只能提前六天确定 Lee 在新斯科舍的目的地。

[相关：大西洋飓风比 40 年前增强得更快。]

拉姆周二写道：“率先将人工智能应用于天气预报将使数十亿人的日常生活受益”，他指出，在气候崩溃引发的灾难性事件日益增多的背景下，GraphCast 可能具有至关重要的重要性。

“在我们这个日益变暖的世界里，预测极端温度变得越来越重要，”Lam 继续说道。“GraphCast 可以描述地球上任何特定地点的温度何时会超过历史最高温度。这对于预测越来越常见的热浪、破坏性和危险事件特别有用。”

Google DeepMind 的 GraphCast 已经通过其开源代码提供，ECMWF 计划继续尝试将人工智能系统整合到其未来的预测工作中。