Science重磅:1分钟内生成10天气象预报,DeepMind AI击败了全球最好预报系统

在谷歌TPU v4云计算机器上,GraphCast可以在一分钟内生成10天的天气预报。

图片来源@视觉中国

文|学术头条,作者|颜一米,编辑|学术君

在天气预报方面,人工智能(AI)颠覆了传统的方法,有望以更快的速度和更低的成本实现更准确的预报。

Google DeepMind推出的基于机器学习的天气预测模型GraphCast,可以在一分钟内预测未来10天的数百个天气变量,全球分辨率为0.25,明显优于传统的天气预测方法。此外,该模型在预测极端事件方面也表现良好。

相关研究论文《学会娴熟的中期全球天气预报》已发表在权威科学杂志《科学》上。此外,Github上也发布了相关的开源代码。

这项研究表明,未来的天气预报(如日常天气和极端事件,如飓风、酷暑和严寒)可能会变得更加准确。

9月份发生在北大西洋的李飓风就是成功预测的一个例子。该论文的共同作者和联合通讯记者雷米·拉姆(Rémi Lam)说,“GraphCast可以在飓风到来前9天正确预测‘李’将在新斯科舍省登陆,而传统方法只能预测6天。这给了人们多三天的时间为它的到来做准备

对此,欧洲中期天气预报中心(ECMWF)机器学习协调员马修·钱特里(Matthew Chantry)表示AI系统在气象学方面的进展“甚至比我们两年前预期的更快、更令人印象深刻”

[/S2“graph cast的表现一直优于其他机器学习模型(比如英伟达的FourCastNet),在很多方面,它比我们自己的预测系统更准确。”

1分钟内预报未来10天的天气

天气对人类的影响广泛而深远,涉及生活、健康、经济等诸多方面。

天气预报是科学中最古老和最具挑战性的任务之一。中期预测在支持涉及可再生能源到活动物流的关键决策方面起着至关重要的作用,但要做到准确有效是非常困难的。

通常,天气预报依赖于数值天气预报(NWP),它从精确定义的物理方程开始,然后将其转化为在超级计算机上运行的计算机算法。虽然这种传统方法在科学和工程领域已经取得了成功,但是设计方程和算法非常耗时,并且需要深厚的专业知识和昂贵的计算资源才能做出准确的预测。

根据论文,GraphCast是一个基于机器学习和图形神经网络(GNN)的天气预报系统。在能耗方面,可能比传统方法便宜1000倍。

GraphCast以0.25度经纬度(赤道28km x 28km)的高分辨率进行预测,超过一百万个网格点覆盖整个地球表面。在每个网格点,模型预测37个高度的每个高度的5个地球表面变量(包括温度、风速和风向以及平均海平面气压)和6个大气变量(包括比湿度、风速和风向以及温度)。

虽然GraphCast的训练计算量非常大,但是生成的预测模型非常高效。在谷歌TPU v4机器上使用GraphCast进行10天预测只需要不到一分钟的时间。相比之下,使用传统方法(如HRES)进行10天的预测可能需要在超级计算机中进行几个小时的计算。

为了评估GraphCast的预报技巧,研究人员将GraphCast与目前最准确的中期天气预报模型HRES进行了对比,发现在1380个验证目标中,GraphCast在90%的情况下明显优于HRES。

此外,该模型更擅长预测极端事件,如热带气旋路径、大气河流(负责极地水汽输送的狭窄大气区域)和极端温度异常。

此外,除了天气预报,GraphCast还可以为预测其他地理时间空开辟新的方向,包括气候和生态、能源、农业、人类和生物活动以及其他复杂的动态系统。

此前,一些研究人员对AI准确预测极端天气的能力表示担忧,部分原因是过去可以借鉴的此类事件相对较少。然而,在2-4天的准备时间内,GraphCast将气旋预报的轨道误差降低了约10-15英里,将大气河流相关的水汽预报提高了10%-25%,并提前5-10天提供了更准确的冷热预报。

“一般认为,使用AI可能无法很好地预测罕见异常。但它似乎在这方面做得很好,”谷歌DeepMind的研究主管、该研究的合著者之一彼得·巴塔格利亚说。这也表明,该模型捕捉到了更多关于天气如何随时间演变的基本信息,而不仅仅是在数据中寻找更肤浅的模式

但这并不意味着AI可以取代所有传统的预测方法。在GraphCast等人工智能模型能够可靠地用于商业预测之前,还需要克服其他挑战。

例如,这种方法的一个重要限制是如何处理不确定性。研究的重点主要是确定性预测。GraphCast的均方误差(MSE)训练目标鼓励预测在存在不确定性的情况下模糊在空之间,但在某些应用中可能并不理想,尤其是在已知事件尾部或联合概率的情况下。

此外,由于训练数据和工程设计的限制,全局AI模型无法生成与传统模型一样多的参数或一样精细的预测。这使得AI模型在预测雷暴和山洪爆发等小规模现象,或预测可能在小区域产生巨大降水差异的较大天气系统方面几乎不起作用。

另外,气象学家并不是特别信任AI模型,因为这些模型的内部运行并不像传统模型那样透明。科罗拉多州立大学合作大气研究所的数据可视化研究员雅各布·拉德福德在一封电子邮件中说:“预报员的一个关键作用是向合作伙伴解释和传达信息。由于缺乏工具来确定人工智能模型为什么会做出这样的预测,这项任务变得更具挑战性。这些模型仍处于初级阶段,在考虑使用之前,它们仍需要在研究和预测者群体中建立信任。”

虽然这项研究存在许多局限性,但研究人员确信这标志着天气预报的一个重要转折点,为人类开辟了一条全新的道路

而且,他们表示这种方法不应该被视为传统天气预报方法的替代品,这种方法已经发展了几十年,在许多真实环境中经过了严格的测试,并提供了许多人类尚未探索的功能。

“相反,我们的工作应该被解释为人工智能天气预报能够应对现实世界预测问题的挑战,并有潜力补充和改进当前的最佳方法的证据。”

人工智能天气预报的一些进展

在过去的两年里,包括谷歌、微软和英伟达在内的大型科技公司在AI天气建模方面取得了很多进展。这些公司发表了学术论文,称其AI模型的性能至少相当于欧洲模型。这些说法已经被ECMWF科学家证实。

今年7月,发表在《自然》杂志上的两篇关于“AI天气预报”的研究论文也提到了两种基于AI的天气预报方法。

华为云开发的盘古-天气模型使用39年全球再分析天气数据作为训练数据,预测精度与国际上最好的数值天气预报系统IFS相当,在空相同分辨率下比IFS快10000倍以上。

此外,由机器学习领域的领军人物、加州大学伯克利分校教授迈克尔·乔丹和清华大学教授王建民领导的联合研究小组提出的模型NowcastNet,可以结合物理规律和深度学习,实时预测降水。

上个月,英国气象局宣布将与人工智能研究中心艾伦图灵研究所合作,开发自己的天气预报图表神经网络,并将其纳入现有的超级计算机基础设施。

英国气象局科学主任西蒙·沃斯珀说,气候变化需要在预测中加以考虑。“如果基于人工智能的系统只是在以前的天气条件下进行‘训练’,那么质疑这些系统是否能够捕捉到新的极端天气就非常有说服力了。”

沃斯珀还表示:“我们的目标是在使用基于大气物理学的传统计算机模型的同时,充分利用AI能够提供的最佳功能。我们相信,这种技术集成将在这个大变革的时代提供最强大、最详细的天气预报。”

可以预见的是,在天气预报中使用AI将有利于人们的日常生活,但AI绝不会止步于此。

正如Google DeepMind在博客中提到的:“我们的研究不仅仅是预测天气,更是为了理解更广泛的气候模型。通过开发新工具和加速研究,我们希望人工智能可以帮助国际社会应对我们面临的最大环境挑战。”

您可能还喜欢...