谷歌DeepMind的人工智能预测优于“黄金标准”模型

没有人能完全预测人工智能行业将把每个人带到哪里，但至少人工智能准备好可靠地告诉你到达那里时的天气会是什么样子。（相对而言。）根据11月14日发表在《科学》杂志上的一篇论文，一个名为GraphCast的新的人工智能驱动的10天气候预测程序几乎每次都优于现有的预测工具。这种开源技术甚至显示出识别和绘制潜在危险天气事件图表的前景——同时使用“黄金标准”系统的一小部分计算能力。

GraphCast团队成员雷米·林周二在一份声明中表示：“天气预报是最古老、最具挑战性的科学工作之一。从可再生能源到事件物流，中期预测对于支持跨部门的关键决策非常重要，但很难准确有效地进行。”

[相关：听披头士乐队的《现在和那时》，这是一首使用人工智能录制的“新”歌曲。]

GraphCast由科技公司谷歌人工智能研究部门DeepMind的Lam及其同事开发，接受了数十年历史天气信息以及大约40年卫星、气象站和雷达再分析的训练。这与所谓的数值天气预测（NWP）模型形成鲜明对比，后者传统上利用大量热力学、流体动力学和其他大气科学数据。所有这些数据都需要强大的计算能力，而计算能力本身需要强大而昂贵的能量来处理所有这些数字。最重要的是，NWP速度很慢——超级计算机内的数百台机器需要数小时才能产生10天预报。

与此同时，GraphCast仅通过谷歌的一台人工智能机器学习张量处理器（TPU），在不到一分钟的时间内提供高度准确的中程气候预测。

在针对行业标准的NWP系统——高分辨率预报（HRES）——进行的全面性能评估中，GraphCast在90%以上的测试中被证明更加准确。当将范围限制在地球对流层时，GraphCast在令人震惊的99.7%的测试变量中击败了HRES，对流层是最明显的天气事件发生的大气层的最低部分。谷歌DeepMind团队对新程序在没有接受任何寻找危险天气事件培训的情况下发现危险天气事件的能力印象特别深刻。通过上传飓风跟踪算法并在GraphCast现有参数中实施它，人工智能驱动的程序立即能够更准确地识别和预测风暴的路径。

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在新斯科舍登陆前9天准确预测了李飓风的轨迹。现有的预测程序被证明不仅不太准确，而且只提前6天确定了李的新斯科舍目的地。

[相关内容：大西洋飓风比40年前变得更强。]

林郑月娥周二写道：“在天气预报中率先使用人工智能将使数十亿人的日常生活受益。”他指出，在气候崩溃导致的破坏性事件日益严重的情况下，GraphCast的潜在至关重要性。

“[P]在我们这个变暖的世界里，预测极端温度越来越重要，”林继续说道。“当地球上任何给定地点的热量被设定为高于历史最高温度时，图形显示可以表征。这在预测热浪、破坏性和危险事件时特别有用，这些事件正变得越来越普遍。”

谷歌DeepMind的GraphCast已经通过其开源编码提供，ECMWF计划继续尝试将人工智能驱动的系统集成到其未来的预测工作中。