谷歌DeepMind开发的人工智能天气预报模型GenCast取得重大突破，其15天预报的准确性显著超过了欧洲中期天气预报中心（ECMWF）的传统模型，这标志着天气预报技术的重大进步。
GenCast：人工智能天气预报的新里程碑
准确预测天气一直是极具挑战性的任务。尽管过去几十年里，得益于改进的观测技术、更强大的计算能力以及数值天气预报模型的创新，天气预报的准确性有了显著提高（例如，20世纪80年代初的5天预报准确率约为65%，而如今已达到90%以上）。然而，GenCast的出现标志着天气预报领域迈入了一个新的阶段。
DeepMind在《自然》杂志发表的研究表明，GenCast在15天预报中的准确性远高于ECMWF的传统模型，后者被广泛认为是黄金标准。GenCast在3到5天预报的准确率提升了10%到30%，并且在15天预报中也展现出更高的准确性。GenCast尤其擅长预测极端天气，例如极高和极低的温度以及极强的风速。
GenCast的优势在于其采用了一种与传统模型不同的方法。传统模型基于复杂的数学方程模拟大气物理过程，而GenCast则通过分析历史天气数据来预测地球大气的未来行为，从而避免了实时天气数据中可能存在的误差。此外，GenCast运行速度更快，所需的计算能力和能源更少，可以更频繁地运行并模拟更广泛的可能性。
传统模型与人工智能模型的对比
传统的数值天气预报模型自20世纪初问世以来，其发展与技术的进步密切相关。早期，天气预报需要手工计算，速度缓慢。随着计算机技术的进步，预报精度得到显著提升。然而，即使是目前最强大的超级计算机，也需要数小时才能完成复杂的计算，并且在预测遥远未来的天气时，准确性会下降。
与传统模型相比，AI天气预报模型如GenCast具有诸多优势：运行速度更快、能耗更低，并能通过模拟多种可能性来提高预报准确率。但GenCast也并非完美无缺，它基于历史数据进行预测，这意味着它可能难以预测过去从未发生过的极端天气事件。
GenCast的局限性和未来发展
虽然GenCast在预测天气方面取得了显著进展，但它仍然存在一些局限性。由于其基于历史数据进行预测，因此在预测过去数据中未曾出现过的极端天气事件方面存在挑战。例如，它在预测热带气旋强度方面仍存在不足，这与GenCast的训练数据中缺乏一些近年来出现的破纪录的热带气旋事件有关。
此外，在长时间尺度预测中，AI模型可能会“发明”一些在地球上不可能存在的物理现象。 然而，欧洲中期天气预报中心的研究表明，AI模型对极端事件的鲁棒性比预期更好。未来，结合机器学习和真实世界物理学的混合模型有望解决这些问题。
尽管如此，GenCast的出现标志着AI天气预报技术的“拐点”。它即将被应用于实际操作中，与传统模型一起为人类提供更准确的天气预报，从而更好地应对各种天气相关的挑战，并为人们的生活提供保障。
DeepMind团队计划公开GenCast的实时预报和历史预报数据，这将进一步推动AI天气预报技术的发展。
原创文章，作者：睿鸿在线，如若转载，请注明出处：https://mip.orihonor.com/2024/12/13/29960.shtml
