谷歌DeepMind天气预报器超全球标准

机器学习算法消化了数十年的天气数据，能够比欧洲顶级气象中心更准确地预测 90% 的大气测量结果。

。在今天发表在《科学》杂志上的一篇论文中，DeepMind 研究人员报告称，其模型在 1,300 多个大气变量（例如湿度和湿度）中的 90% 优于全球天气预报巨头欧洲中期天气预报中心 (ECMWF) 的预测。

DeepMind 模型可以在笔记本电脑上运行，并在一分钟内给出预测，而传统模型需要一台巨型超级计算机。

标准天气模拟通过尝试复制大气物理原理来做出预测。多年来，由于更好的数学知识以及通过不断增长的传感器和卫星舰队进行的细粒度天气观测，它们已经变得越来越好。
ECMWF 或美国国家海洋和大气协会等主要气象中心的预报可能需要数小时才能在强大的服务器上进行计算。

DeepMind 的研究总监 Peter Battaglia 第一次开始研究天气预报时，这似乎是适合他独特的机器学习风格的完美问题。Battaglia 已经领导了一个团队，专注于应用称为图神经网络（GNN）的人工智能系统来模拟流体的行为，这是一个可以描述液体和气体运动的经典物理挑战。鉴于天气预报的核心是对分子流进行建模，利用 GNN 似乎很直观。虽然训练这些系统的任务繁重，需要数百个专用图形处理单元（GPU）来处理大量数据，但最终的系统最终是轻量级的，可以用最少的计算机能力快速生成预测。

GNN 将数据表示为数学“图”——可以相互影响的互连节点的网络。就 DeepMind 的天气预报而言，每个节点代表特定位置的一组大气条件，例如温度、湿度和压力。这些点分布在全球各地和不同的海拔高度——真正的数据云。目标是预测所有这些点的所有数据将如何与其邻居交互，捕获条件如何随时间变化。

训练软件做出良好的预测需要正确的数据。DeepMind 利用 ECMWF 39 年收集和处理的观测数据训练其网络，准确预测任何给定的天气条件将如何演变。该过程旨在教会软件如何预期一组初始大气模式在六小时增量内发生变化。然后，每个预测都会被输入到下一个预测中，最终产生一个可以持续一周以上的长期前景。

ECMWF 从事机器学习预测工作的 Matthew Chantry 表示，Google DeepMind 的 GraphCast 已成为最强大的人工智能竞争者。

尽管谷歌取得了强劲的成果，但天气预报问题还远未得到解决。它的人工智能模型并不是为了提供集合预报而设计的，集合预报详细说明了风暴或其他天气系统的多种潜在结果，以及对飓风等重大事件特别有用的一系列概率。

人工智能模型还倾向于低估一些最重要事件的强度，例如 5 级风暴。这可能是因为他们的算法倾向于更接近平均天气条件的预测，这使得他们对预测极端情况持谨慎态度。