|
|
|
|
|
完胜超级计算机！science：谷歌ai新模型预测天气又快又准 |
|
|
编译 ｜ 辛雨
人工智能（ai）公司google deepmind开发的机器学习模型graphcast，在“3至10天的中期气象预测领域”展现了超越传统模型和其他ai方法的准确率和效率。相关研究11月14日发表于《科学》。
“graphcast目前在ai模型的竞赛中处于领先地位。”美国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），是一种基于物理原理的数学模型。它利用超级计算机处理来自全球的浮标、卫星和气象站天气数据。这些计算能准确描绘出热量、空气和水蒸气如何在大气中移动，但其运行是昂贵且能源密集型的。
为降低天气预测的资金和能源成本，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。
欧洲中期天气预报中心（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，ai模型的运行速度比传统的nwp模型快1000到10000倍，这能为解释和传播预测结果留出更多时间。
研究人员首先利用物理模型对1979年至2017年的全球天气预测来训练graphcast，这使得后者能够了解诸如气压、风、温度和湿度等天气变量之间的联系。
经过训练的模型根据全球天气的“当前”状态和6小时前的天气预报来预测未来6小时的天气。早期的预测被反馈到模型中，使其能够对未来天气作出进一步的估计。deepmind的研究人员发现，graphcast可以根据2018年的全球天气预测，在不到1分钟的时间预测未来10天的天气，而且比ecmwf的高分辨率预报系统（hres）更准确，后者是nwp的一个版本，需要数小时才能得出结果。
deepmind计算机科学家remi lam表示，在完成的1200次预测中，graphcast在99%以上的预测中都优于hres；而在大气的所有层面，该模型90%的天气预报都优于hres。
graphcast预测了靠近地球表面的5个天气变量如离地面2米的气温，以及离地面更远的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质量，比如预测几小时内的降雨量。”chantry说，“我预计，人们还需要2年到5年的时间，才能利用机器学习方法进行预测，进而在现实世界中作出决策。”
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ai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，尽管它们消耗的能量比nwp模型要少。
相关论文信息：
https://doi.org/10.1126/science.adi2336
《中国科学报》 (2023-11-16 第2版 国际)
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负米乐app官网下载的版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
