科技日報記者 劉霞

極端天氣頻發(fā)，快速準確的天氣預(yù)報至關(guān)重要。然而，精準預(yù)測天氣面臨極大挑戰(zhàn)。借助人工智能（AI），迅速而準確地捕捉雨云的變化趨勢，科學(xué)家現(xiàn)在能更快、更可靠地預(yù)測天氣了。

科學(xué)家已研發(fā)出多款由AI賦能的天氣預(yù)報模型。這些AI模型不僅革新了天氣預(yù)報方式，還能助力作出更好的決策，提升了災(zāi)難響應(yīng)效率、增強了電網(wǎng)可靠性。

AI分析天氣數(shù)據(jù)顯示優(yōu)勢

精準而快速的天氣預(yù)報對于農(nóng)業(yè)、航空和災(zāi)害管理等多個部門來說都至關(guān)重要。

美國科普網(wǎng)站ZME Science的報道指出，傳統(tǒng)天氣預(yù)報依靠數(shù)值模型求解復(fù)雜的數(shù)學(xué)方程式，從而模擬大氣的變化。但是，要想生成詳盡且準確的預(yù)測結(jié)果，需要強大的算力作為支撐。因此，這些數(shù)值模型往往需要在超級計算機上運行。簡而言之，傳統(tǒng)天氣預(yù)報是依靠數(shù)學(xué)方程，通過超算“精算”出來的。

傳統(tǒng)的天氣預(yù)報方法雖然有效，但需耗費大量計算資源和時間，且在預(yù)測特殊事件和極端天氣時，往往顯得力不從心。AI預(yù)報應(yīng)運而生，為天氣精準預(yù)報帶來了新的曙光。

AI憑借其強大的數(shù)據(jù)分析能力，能迅速處理大量歷史和實時數(shù)據(jù)，從而給出更加精準的預(yù)測結(jié)果。谷歌旗下“深度思維”公司研發(fā)出一款氣象預(yù)報AI模型GenCast。這款模型在預(yù)測準確度方面超過了全球頂尖天氣預(yù)報模型——歐洲中期天氣預(yù)報中心的集成模型ENS。GenCast學(xué)習(xí)了截至2018年的40年氣象數(shù)據(jù)，并預(yù)測2019年的天氣走勢。結(jié)果顯示，在GenCast預(yù)測的1300多個指標中，約97%的預(yù)測結(jié)果優(yōu)于ENS。

不僅如此，AI天氣預(yù)報在速度方面也展現(xiàn)出巨大優(yōu)勢。傳統(tǒng)預(yù)測模型需花費數(shù)小時來運行那些基于大氣物理學(xué)的復(fù)雜算法，而AI模型卻能在幾秒鐘內(nèi)輕松生成預(yù)測結(jié)果。比如，GenCast只需短短8分鐘就能完成15天的天氣預(yù)測。無論是常規(guī)天氣還是極端天氣，GenCast都能進行準確分析，顯著降低了預(yù)測天氣所需的計算成本。

多國AI預(yù)報模型各有千秋

如今，世界多地的企業(yè)和機構(gòu)都紛紛投身到AI預(yù)測天氣的熱潮中。

去年6月，微軟公司發(fā)布了其首個用于預(yù)測天氣的大型大氣基礎(chǔ)模型“極光”。測試結(jié)果顯示，“極光”能在不到一分鐘的時間內(nèi)，生成5天的全球空氣污染預(yù)測和10天的高精度天氣預(yù)報結(jié)果。值得一提的是，“極光”在空氣質(zhì)量預(yù)測方面表現(xiàn)出色，能以較小的計算成本，提供與歐洲哥白尼大氣監(jiān)測服務(wù)系統(tǒng)相當(dāng)?shù)念A(yù)測結(jié)果。

英偉達公司也不甘示弱。該公司近日推出了AI天氣預(yù)報模型CorrDiff。這款模型能將精度從25公里提升至2公里，生成更精細的氣象數(shù)據(jù)，適用于預(yù)測臺風(fēng)等極端天氣。CorrDiff的性能與現(xiàn)有模型相當(dāng)，但計算速度提升了22倍，能耗降低到1/3000。

中國華為公司推出的“盤古氣象模型”向世界展示了中國在AI天氣預(yù)報領(lǐng)域的實力。歐洲中期天氣預(yù)報中心發(fā)表的一篇測評論文中指出，盤古氣象模型在預(yù)測正常天氣事件和極端天氣事件時的準確度，已能與傳統(tǒng)方法相抗衡。

歐洲中期天氣預(yù)報中心也正式開始運行AI天氣預(yù)報系統(tǒng)AIFS。AIFS結(jié)合機器學(xué)習(xí)與AI技術(shù)，實現(xiàn)了預(yù)報速度的極大飛躍，也將單次預(yù)報能耗降低到1/1000。在多項關(guān)鍵指標上，AIFS的預(yù)測準確度較當(dāng)前最先進的數(shù)值模型提升了20%。

多種方法融合是務(wù)實之選

不過，AI預(yù)測天氣仍有許多需要改進之處。

比如，AI模型雖然能給出預(yù)測結(jié)果，但無法解釋得出這一結(jié)果的具體過程。一旦預(yù)測結(jié)果與實際情況大相徑庭，科學(xué)家往往需要修改計算方法。

此外，AI雖然在預(yù)測臺風(fēng)和低壓系統(tǒng)等宏觀趨勢上游刃有余，但面對每日天氣預(yù)報的詳細需求時，卻顯得力不從心。

日本氣象協(xié)會技術(shù)戰(zhàn)略室主任增田有俊表示，要提高氣象預(yù)報的準確度，讓AI模型與數(shù)值預(yù)報強強攜手是務(wù)實的選擇。

例如，日本理化學(xué)研究所開發(fā)出了一種將數(shù)值預(yù)報和AI技術(shù)相結(jié)合的系統(tǒng)，專門預(yù)測分散性強降雨。他們將實際觀測數(shù)值和數(shù)值預(yù)報計算出的數(shù)據(jù)輸入AI模型內(nèi)。結(jié)果顯示，在相同準確度下，AI預(yù)報結(jié)果的時間跨度是單純數(shù)值預(yù)報的5倍。

ZME Science在報道中強調(diào)，數(shù)值模型對于模擬基本大氣物理學(xué)仍然至關(guān)重要，可作為AI系統(tǒng)的強大補充。這兩者強強攜手能提高天氣預(yù)報的效率和精確度，同時可降低計算成本。