Google DeepMind的GenCast模型準備顛覆傳統天氣預報
關鍵要點
– Google DeepMind的新機器學習模型GenCast可以準確預測最多15天的天氣模式。
– GenCast的預測能力超越了傳統天氣預報方法，包括歐洲中期天氣預報中心（ECMWF）。
– GenCast提供概率預報，增強用戶對多種天氣情景的理解。該模型有潛力顯著改善天氣預報及其在各行各業的應用。
傳統的天氣預報模型在一周以外的預測上常常無法可靠，但Google的人工智能子公司DeepMind推出的新工具似乎正在打破這一限制。
GenCast這個名稱目前已經在全球範圍內超越了領先的天氣預報系統，包括歐洲中期天氣預報中心（ECMWF），其能在幾分鐘內生成準確的15天預報的能力得到了證實。
這些發現首次發表在《自然》期刊（透過《紐約時報》），強調基於機器學習（ML）的天氣預測的預測誤差低於傳統的數值天氣預測（NWP），後者依賴於基於物理的模擬。GenCast的訓練數據來自數十年的再分析數據，這使它能在僅八分鐘內生成15天的全球預報。相比之下，ECMWF所使用的超級計算機則需要數小時。
研究人員將GenCast與傳統的ECMWF進行了比較，後者被35個國家用於官方天氣預報。在確定1,320個全球風速、溫度和其他大氣特徵的環境中，GenCast在97.2%的情況下超越了該中心的預報。
超越去年的GraphCast
值得注意的是，這並不是DeepMind首次進軍天氣預報。去年，這家科技巨頭推出了GraphCast，能夠準確預測最多10天的天氣。然而，GenCast的一個主要進步在於其概率預報能力。這意味著，雖然GraphCast提供單一明確的預報，但GenCast則可以提供一系列潛在的結果，這可以更好地幫助用戶理解和準備不同的天氣情景。例如，GraphCast可能會說「預計明天有雨」，而GenCast則可以提供「明天下雨的概率為70%」的預報。
在用戶體驗方面，Google的移動天氣應用使用了一個名為NowCast的相關模型。考慮到GenCast的強大能力，這個機器學習天氣預報工具未來有可能為Pixel天氣應用提供支撐，為用戶提供可依賴的15天預報。然而，麻省理工學院大氣科學榮譽教授Kerry Emanuel指出，GenCast不會取代傳統的預報方法，但它確實可以補充這些方法。
目前，GenCast的天氣預測預計將進入Google Earth Engine和BigQuery，讓全球的科學家和研究人員可以分析DeepMind的預報。
—
這篇報道展示了AI在天氣預報領域的潛力，尤其是GenCast的出現，標誌著一個新的時代。傳統的天氣預報往往受到數據和計算能力的限制，而GenCast通過機器學習技術克服了這些挑戰，讓預測變得更為準確。不過，儘管技術進步頻繁，但對於天氣預報的依賴仍需謹慎，因為天氣是複雜且變化莫測的。未來，我們或許能看到這些技術在應對氣候變化和災害預警中發揮更大的作用，這對於提升人類的生活質量及安全性至關重要。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
