Google新AI預測天氣技術顛覆傳統模式

了解Google突破性的天氣預測模型

Google的DeepMind團隊本週發布了最新的天氣預測模型，這個模型在大多數測試中都超越了傳統的天氣預測模型。這個名為GenCast的生成式AI模型，使用了與當前流行的AI工具如Midjourney、DALL·E 3和Stable Diffusion相似的擴散模型。根據團隊的測試，GenCast在預測極端天氣、熱帶風暴的移動以及強風的風速方面表現更佳。團隊對GenCast性能的討論於本週在《自然》期刊上發表。

GenCast與其他擴散模型的不同之處在於，它專注於氣象預測，並且“適應了地球的球面幾何”，正如幾位共同作者在DeepMind的博客中所描述的。GenCast的輸入是最新的天氣狀態，模型據此生成未來天氣情境的概率分布，而不是像“以薩爾瓦多·達利的風格畫一隻臘腸犬”這樣的文字提示。

傳統的天氣預測模型，如歐洲中期天氣預測中心的ENS模型，則通過解決物理方程來進行預測。Google DeepMind的高級研究科學家Ilan Price在給Gizmodo的電子郵件中表示：“這些傳統模型的一個限制是，它們所解決的方程只是對大氣動力學的近似。”

GenCast的最初雛形於2022年開始研發，但本週發布的模型包含了架構上的改變和改進的擴散設置，使得該模型在預測地球上的天氣，尤其是極端天氣事件方面，能夠更好地訓練，預測範圍可達15天。“GenCast不僅限於學習那些可以準確寫下的動力學/模式，”Price補充道。“相反，它有機會直接從數據中學習更複雜的關係和動力學，這使得GenCast能夠超越傳統模型。”

Google在天氣預測方面已經進行了一段時間的探索，近年來也在利用AI方法朝著更精確的預測邁出了幾步重要的進展。去年，DeepMind的科學家們發布了GraphCast，這是一種基於機器學習的方法，在測試中超越了目前的中期天氣預測模型的90%目標。五個月前，主要由DeepMind研究人員組成的團隊發表了NeuralGCM，這是一種混合天氣預測模型，結合了傳統的物理基礎天氣預測器和機器學習組件。該團隊發現，“端到端深度學習與傳統模型的任務兼容，並能增強理解和預測地球系統所需的大規模物理模擬。”

GenCast的解析度大約是NeuralGCM的六倍，這是預期中的。“NeuralGCM被設計為通用的大氣模型，主要用於支持氣候建模，而GenCast的高解析度通常是運行中期預測模型所期望的，這是GenCast的特定目標用例，”Price補充道。“這也是為什麼我們強調了一系列的評估，這對運行中期預測至關重要，比如預測極端天氣。”

在最近的研究中，團隊使用2018年的歷史天氣數據訓練GenCast，然後測試該模型在2019年預測天氣模式的能力。GenCast在使用不同天氣變量的97.2%目標上超越了ENS，並且在36小時以上的預測時間裡，GenCast在99.8%的目標上比ENS更準確。

團隊還測試了GenCast預測熱帶氣旋軌跡的能力——具體是2019年10月襲擊日本的最昂貴熱帶氣旋哈吉比斯。GenCast在七天的預測時間內的預測不確定性較高，但在較短的預測時間內變得更準確。隨著極端天氣帶來更潮濕、更沉重的降雨，颶風以更快的速度增強並且在季節初期就形成，準確預測風暴路徑將對減輕其財務和人員損失至關重要。

此外，在研究中描述的一個原型實驗中，DeepMind團隊發現GenCast在預測全球電廠數據庫中超過5000個風電場產生的總風能方面，比ENS更準確。GenCast的預測在兩天或更短的預測時間內比ENS提高了約20%，並在一周內保持統計顯著的改進。換句話說，這個模型不僅在減輕災害中具有價值，還可以指導我們如何和在哪裡部署能源基礎設施。

對於普通氣候愛好者來說，這一切意味著什麼呢？DeepMind團隊已經將GenCast的代碼開源，並將模型提供給非商業用途，讓好奇者可以進行探索。該團隊還在努力釋放歷史和當前天氣預測的檔案。“這將使更廣泛的研究和氣象學社區能夠參與、測試、運行並在我們的工作基礎上進行構建，加速該領域的進一步進展，”Price表示。“我們已經微調了GenCast的版本，使其能夠接受運行輸入，因此該模型可以開始被納入運行環境中。”

目前尚無GenCast和其他模型何時會運行的具體時間表，不過DeepMind的博客提到，這些模型已經“開始為Google搜索和地圖上的用戶體驗提供支持”。

無論你是因為天氣還是AI應用而感興趣，GenCast以及DeepMind更廣泛的預測模型都值得讚賞。這些工具的準確性對於預測極端天氣事件至關重要，能夠在足夠的提前時間內保護那些受到威脅的人，無論是阿巴拉契亞的洪水還是佛羅里達的龍捲風。

這項研究不僅展示了AI在氣象領域的潛力，還反映了科技如何在應對氣候變化的全球挑戰中發揮關鍵作用。隨著這些技術的進步，未來或許能夠更好地預測極端天氣，從而有效減少人類和財產的損失。

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。