今年是极端天气事件不断发生的一年。前所未有的高温席卷全球。今年夏天是地球自 1880 年以来最热的夏天。从加利福尼亚州的山洪暴发和德克萨斯州的冰暴，到毛伊岛和加拿大的毁灭性野火，与天气相关的事件深深影响了人们的生活和社区。
在预测这些事件时，每一秒都很重要。人工智能可以提供帮助。
本周，谷歌 DeepMind发布了一款人工智能，能够以前所未有的准确性和速度提供 10 天的天气预报。该模型称为 GraphCast，可以在给定位置浏览数百个与天气相关的数据点，并在一分钟内生成预测。当面临超过 1000 种潜在天气模式的挑战时，人工智能在大约 90% 的情况下击败了最先进的系统。
但 GraphCast 不仅仅是构建一个更准确的天气应用程序来挑选衣柜。
尽管没有经过明确的训练来检测极端天气模式，但人工智能发现了与这些模式相关的几个大气事件。与以前的方法相比，它更准确地跟踪气旋轨迹并检测大气河流——大气中与洪水相关的肌肉区域。
GraphCast 还比当前方法提前预测了极端温度的出现。 2024 年天气将会更加温暖，极端天气事件将会增多，人工智能的预测可以为社区提供宝贵的时间来做好准备，并有可能挽救生命。
作者在 DeepMind 博客文章中写道：“GraphCast 现在是世界上最准确的 10 天全球天气预报系统，可以比以前更预测未来的极端天气事件。”
雨天
预测天气模式，即使是提前一周，也是一个古老但极具挑战性的问题。我们的许多决策都是基于这些预测。有些已经融入到我们的日常生活中：我今天应该带伞吗？其他决定是生死攸关的，比如何时发布疏散或就地避难的命令。
我们当前的预测软件主要基于地球大气层的物理模型。通过研究天气系统的物理原理，科学家们根据数十年的数据编写了许多方程，然后将其输入超级计算机以生成预测。
一个突出的例子是欧洲中期天气预报中心的综合预报系统。该系统根据我们目前对天气模式的理解，使用复杂的计算，每六个小时生成一次预测，为世界提供一些最准确的天气预报。
DeepMind 团队写道，这个系统“以及更广泛的现代天气预报，都是科学和工程的胜利”。
多年来，基于物理的方法的准确性迅速提高，部分归功于更强大的计算机。但它们仍然耗时且成本高昂。
这并不奇怪。天气是地球上最复杂的物理系统之一。您可能听说过蝴蝶效应：蝴蝶扇动翅膀，大气层的微小变化就会改变龙卷风的轨迹。虽然只是一个比喻，但它体现了天气预报的复杂性。
GraphCast 采用了不同的方法。忘记物理学，让我们仅从过去的天气数据中寻找模式。
人工智能气象学家
GraphCast 建立在一种神经网络的基础上，该网络之前曾用于预测其他基于物理的系统，例如流体动力学。
它由三个部分组成。首先，编码器将相关信息（例如某个位置的温度和海拔高度）映射到复杂的图表上。将此视为机器可以轻松理解的抽象信息图。
第二部分是处理器，它学习分析并将信息传递给最后部分，即解码器。然后解码器将结果转换为现实世界的天气预测地图。总的来说，GraphCast 可以预测未来六个小时的天气模式。
但六个小时不是十天。这是最关键的。人工智能可以从自己的预测中学习。 GraphCast 的预测会作为输入反馈给自身，使其能够及时预测更远的天气。该团队写道，这种方法也用于传统的天气预报系统。
GraphCast 接受了近四十年历史天气数据的训练。该团队采用分而治之的策略，将地球分成赤道处大约 17 x 17 英里的小块。这导致超过一百万个“点”覆盖全球。
对于每个点，人工智能都使用两次收集的数据进行训练（一次是当前，另一次是六小时前），其中包括来自地球表面和大气的数十个变量，例如许多不同高度的温度、湿度以及风速和风向
训练的计算量很大，需要一个月的时间才能完成。
然而，一旦经过训练，人工智能本身就非常高效。它可以使用单个 TPU 在不到一分钟的时间内生成 10 天的预测。该团队解释说，使用超级计算机的传统方法需要数小时的计算。
光射线
为了测试其能力，该团队将 GraphCast 与当前天气预报的黄金标准进行了比较。
人工智能在近 90% 的时间里更加准确。当仅依赖对流层（最接近地球的大气层，对天气预报至关重要）的数据时，它的表现尤其出色，在 99.7% 的情况下击败了竞争对手。 GraphCast 的性能还优于Pangu-Weather ，这是一种使用机器学习的顶级竞争天气模型。
该团队接下来在几种危险的天气场景中测试了 GraphCast：跟踪热带气旋、检测大气河流以及预测极热和极冷。尽管没有接受过针对特定“警告信号”的训练，但人工智能比传统模型更早发出警报。
该模型还得到了经典气象学的帮助。例如，该团队将现有的气旋跟踪软件添加到 GraphCast 的预测中。这种结合得到了回报。 9 月，人工智能成功预测了飓风李席卷东海岸向新斯科舍省的轨迹。该系统提前九天准确预测风暴登陆，比传统预测方法快了宝贵的三天。
GraphCast 不会取代传统的基于物理的模型。相反，DeepMind 希望它能够支持它们。欧洲中期天气预报中心已经在试验该模型，看看如何将其整合到他们的预测中。 DeepMind 还致力于提高人工智能处理不确定性的能力——鉴于天气越来越难以预测，这一需求至关重要。
GraphCast 并不是唯一的人工智能天气预报员。 DeepMind 和谷歌研究人员此前建立了两个区域模型，可以准确预测未来 90 分钟或 24 小时的短期天气。然而，GraphCast 可以看得更远。当与标准天气软件一起使用时，这种组合可以影响天气紧急情况的决策或指导气候政策。至少，我们可能会对将保护伞投入使用的决定更有信心。
“我们相信这标志着天气预报的一个转折点，”作者写道。
图片来源： 谷歌 DeepMind