傳統天氣預報的挑戰與AI的潛力
每天，氣象學家漢娜·旺嘉里會查看她所訂閱的五個預報模型所產生的免費圖表和地圖，並解讀其中的資訊。她會思考：“該國不同地區下雨的可能性有多高？”“在接下來的24小時內，可能會下多少雨？”快速而準確地回答這些問題對她在肯尼亞氣象局的工作至關重要，因為這可能會拯救生命。
隨著氣候變化導致極端天氣越來越頻繁且強烈，對於更快、更精確的預測需求只會增長。今年，美國、西班牙、中歐以及廣大非洲地區遭遇了嚴重的暴雨和洪水，造成數百人喪生，數百萬人流離失所。在肯尼亞，去年因洪水影響的47個縣中，有267人死亡，278,000人被迫撤離。隨著每升高1.8華氏度，暴風雨的強度預計會增加7%，因此準確預測這些事件的時間和地點對於拯救生命和生計至關重要。
然而，傳統的天氣預報方法耗時且費用高昂。這種基於物理學的數值天氣預測技術，發展於1950年代，需要數百萬美元的超級計算機來解決模擬大氣過程的複雜方程。這種密集的數據處理可能需要幾小時才能生成一次預報，對於許多氣象預報員，特別是在發展中國家，這是無法承擔的，迫使他們依賴他人提供的數據。
而基於人工智慧的工具則成為了一種更快且在許多情況下更準確的替代方案，這些模型可以在筆記本電腦上輕鬆生成。這些模型利用40年的開源氣象數據來識別模式和趨勢，幫助預測未來的情況。奧克拉荷馬大學的計算機科學家艾米·麥戈文表示：“它們利用過去的數據來訓練模型，基本上學習物理學。”
許多如谷歌、牛津大學和NVIDIA等公司開發的AI驅動方法能在幾分鐘內提供準確的預報，使政府有更多時間準備和應對。NVIDIA的加速數據中心負責人迪翁·哈里斯告訴《Grist》：“更頻繁的更新幫助機構監控快速變化的條件，例如風暴路徑。”這有助於改善撤離計劃、基礎設施保護和資源分配的決策。
位於內羅畢的政府氣象學家可以利用這些模型，結合地面溫度、濕度等本地數據和免費衛星數據，為特定地理區域量身定制預報。肯尼亞氣象部門正在與牛津大學、中程天氣預測歐洲中心、谷歌和世界糧食計劃署合作，開發一種AI模型，以提高降雨預測的準確性。
在肯尼亞氣象局使用的五個傳統模型中，只有四個提供旺嘉里深入研究的免費圖表和地圖。獲得預報數據需要支付許可費或擁有運行模型的超級計算機。相反，她和同事們分析他們收到的開源數據，以確定即將發生的情況。與牛津大學合作開發的機器學習模型使他們能夠評估實際預報數據，以確定極端天氣的可能性。她說：“這是我們第一次能夠生成所謂的概率性預報。若你告訴人們發生某事的概率，他們更可能採取行動。”
“現在我們可以說，‘這個地區在接下來的24小時內將經歷兩英寸的降雨，且有75%的概率超過這一閾值。’”她補充道。
AI模型只需幾分鐘即可生成預報，這使得能夠進行更多的預報並調查更廣泛的可能結果。這使得當局能夠進行所謂的“假設遊戲”，例如：“如果這種情況發生，我們需要撤離這個地區”或“如果那種情況發生，我們可能需要採取這一行動。”他們可以預測最可能的情況，或通過提前撤離有殘疾的人來為最壞的情況做好準備。
牛津大學開發的機器學習方法被證明比其他降雨預報方法更有效。這並不罕見。谷歌的GenCast在1320個指標中，超越了傳統的預報模型。其前身GraphCast比歐洲中程天氣預測中心運行的世界首屈一指的傳統工具更準確。歐洲中心的副主任弗洛里安·帕彭貝格表示：“AI產生的結果比基於物理的模型要好得多。”而且速度也更快。GenCast在八分鐘內生成15天的預報，NVIDIA聲稱其FourCastNet比數值天氣預測快45,000倍。
AI在預測颶風路徑方面的準確性也得到了證明。GraphCast在2023年9月正當颶風李穿越北大西洋時，提前九天正確預測了其登陸地點，並在傳統預報方法之前三天預測了登陸新斯科舍省的情況。雖然兩個機器學習模型在預測颶風米爾頓穿越墨西哥灣的路徑時表現出色，但對於風速和氣壓的預測卻有所低估。不過，隨著錯誤的修正和模型的優化，這些工具預期會得到改善。
當然，預報的有效性取決於它們引發的預警行動。開發這些預報的研究人員必須與當地氣象學家和其他具區域專業知識的人員合作，以理解這些預報對社區的意義並作出相應反應。
關於機器學習能否預測如百年一遇的洪水等極端情況的問題仍然存在。然而，帕彭貝格表示：“它們實際上在極端情況下的表現比我們最初預測的要好。”這些工具尚未生成氣象預報員通常使用的所有輸出，包括雲量、霧和降雪，但他對這一點充滿信心，認為這將隨著時間的推移而實現。
用谷歌的NeuralGCM等混合模型，結合機器學習和物理學，或能為用戶帶來更多好處，這種方法兼具AI的速度和數值天氣預測的長期預報能力及其他優勢。
雖然改進的預報旨在幫助應對氣候變化，但它們也可能會加劇這一問題。運行AI所需的數據中心消耗大量能源，谷歌和微軟等公司甚至不得不依賴核電廠來提供能源。然而，運行數值天氣預測所需的超級計算機也同樣能源密集，而GraphCast在能源消耗上可能便宜1000倍。
為了實現AI模型在預報方面的潛力，麥戈文認為跨部門的合作至關重要。訓練模型所需的計算能力主要掌握在業界，而學術界則撰寫大量代碼並在公共軟件平台GitHub上提供，不需要提供季度報告，政府作為最終用戶則知道如何拯救生命。
目前，研究人員和私營部門正密切合作以完善這項技術。帕彭貝格表示：“有很多合作，大家互相借鑒，並根據他人的成果進行改進。”許多這些工具對研究人員免費，但它們對其他人的可及性從無成本到低成本不等，甚至根據使用的功能或特定硬件的購買而定。然而，這些模型的成本仍低於超級計算機，這將使像肯尼亞氣象局這樣的機構能夠快速、輕鬆地創建符合當地需求的預報，而成本僅為基於物理學模型的一小部分。
使用傳統工具製作針對內羅畢或蒙巴薩等地區的預報需要縮小全球地圖以獲取更多細節，然後手動分析大量數據。旺嘉里表示：“使用機器學習，只要有精確的坐標，就可以為特定點生成預報。”這將使她和其他從事類似工作的人能更輕鬆地了解即將到來的天氣，最終拯救生命。
在這個充滿挑戰的時代，AI技術的進步無疑為氣象預報帶來了希望。這不僅僅是提高預測準確性，更是為了讓那些身處最需要幫助的社區提前做好準備，減少極端天氣帶來的傷害。隨著這些技術的不斷演進，我們期待氣象預報能在未來發揮更大的作用，為全球應對氣候變化提供有力支持。
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。
