當因為天氣預報的出錯而翻白眼時,你需要知道,預測天氣是科學中最復雜的問題之一。現在,Google讓人工智能當一回天氣預報員,結果表明,隻需在一臺機器上運行一分鐘,人工智能就能提前10天做出準確預測,而這通常需要一屋子的超級計算機花費數小時才能完成。
著名的"蝴蝶效應"認為,一場風暴的發生與否,可能會受到世界上另一個地方的一隻蝴蝶扇動翅膀這麼小的事情的影響。天氣預報的工作就是把這些眾所周知的蝴蝶變成精確的模型,告訴你是否應該繼續計劃下周六的野餐。
這就是所謂的"數值天氣預報"(NWP),它使用全球當前的天氣觀測數據作為輸入數據,並通過超級計算機上運行的復雜物理方程進行計算。但現在,Google發佈一款名為 GraphCast 的人工智能系統,它可以在功能更弱的硬件上以更快的速度計算數據。
這種人工智能是根據衛星圖像、雷達和氣象站收集的 40 年天氣再分析數據訓練出來的。GraphCast 提取六小時前的天氣狀況和當前的天氣狀況,然後利用其數據寶庫預測六小時後的天氣狀況。在此基礎上,它可以以 6 小時為增量向前推算,從而做出長達 10 天的天氣預報。
GraphCast 在地球表面 100 多萬個網格點上進行預測,每個網格點的經度和緯度均為 0.25 度。在每個網格點上,該模型都會考慮地表的溫度、氣壓、濕度、風速和風向等五個變量,以及 37 個不同高度大氣層中的六個變量。
在測試中,在一臺Google TPU v4 機器上運行的 GraphCast 與目前天氣預報的黃金標準--在超級計算機上運行的名為高分辨率預報(HRES)的模擬系統--進行比較。GraphCast 能夠在一分鐘內做出 10 天的預報,在 90% 的測試變量和預報準備時間上都比 HRES 更準確。當模型集中在對流層(大氣層的最底層,準確的預測對日常生活最有用)時,GraphCast 在 99.7% 的時間裡都優於 HRES。
更令人印象深刻的是,GraphCast 比 HRES 更早識別出惡劣天氣事件,盡管它沒有經過專門的訓練。在一個真實的例子中,人工智能提前九天就準確預測出颶風的登陸地點,而傳統的預報隻能提前六天確認。
Google表示,GraphCast 的代碼是開源的,全世界的科學傢都可以對其進行實驗,並將其應用到日常的天氣預報中。對於人工智能來說,這種數字運算是最理想的工作,因此它們可以把藝術和寫作留給我們人類。
這項研究發表在《科學》雜志上。
解更多:
https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/