Nature：谷歌最新 AI 天气预报模型性能超过 ENS，准确率达 97.2%

Bitget App

交易“智”变

Bitget

资讯中心

元宇宙之心2024/12/09 08:16

作者:元宇宙之心

谷歌将发布模型代码、权重和预报，以支持更广泛的天气预报社区

‍‍‍‍

谷歌 DeepMind 团队本周发布了一个名为 GenCast 的人工智能天气预报模型。

在《Nature》上发表的一篇论文中， DeepMind 研究人员发现 GenCast 的性能表现超过了欧洲中期天气预报中心的 ENS（世界上最顶级的业务预报系统 ）。

DeepMind 团队对这项技术做出了更通俗易懂的解释：之前的天气模型是“确定性”的，提供了“对未来天气的最佳预测”。

而 GenCast 则“由 50 个或更多的预测”组合而成，每个预测都代表了一种可能的天气轨迹，从而形成了“未来天气情况的复杂概率分布”。

至于它与 ENS 的对比情况，该团队表示，它利用 2018 年之前的天气数据对 GenCast 进行了训练，然后比较了它对 2019 年的预测，结果发现 GenCast 在 97.2% 的情况下更为准确。

谷歌表示，GenCast 是其基于人工智能的天气模型套件的一部分，谷歌已开始将其纳入谷歌搜索和地图。
谷歌还计划发布 GenCast 的实时和历史预测，任何人都可以将其用于自己的研究和模型中。
以下是 DeepMind 研究人员发表的原文：

01. 背景

天气影响着我们所有人，左右着我们的决策、安全和生活方式。随着气候变化引发更多极端天气事件，准确、可信的预报比以往任何时候都更加重要。

然而，天气预报不可能十全十美，尤其是几天后的天气预报更不确定。
由于不可能有完美的天气预报，科学家和气象机构使用概率集合预报，即模型预测一系列可能出现的天气情况。

这种集合预报比依赖单一预报更有用， 因为它们能为决策者提供未来几天和几周可能出现的天气状况的更全面的信息，以及每种情况的可能性有多大 。
今天，我们在《Nature》杂志上发表了一篇论文，介绍了我们的新型高分辨率（0.25°）人工智能集合模型 GenCast。
与顶级业务系统欧洲中期天气预报中心（ECMWF）的 ENS 相比，GenCast 可以提前 15 天提供更好的日常天气和极端事件预报。

我们将发布我们的模型代码、权重和预报，以支持更广泛的天气预报社区。

02. 人工智能天气模型的演变
GenCast 标志着基于人工智能的天气预报取得了重大进展，它建立在我们以前的天气模型基础之上，以前的天气模型是确定性的，只提供对未来天气的单一最佳估计。

相比之下，GenCast 预测由 50 个或更多预测组合而成，每个预测代表一个可能的天气轨迹 。
GenCast 是一种扩散模型，这种生成式人工智能模型是最近图像、视频和音乐生成技术飞速发展的基础。

然而，GenCast 与这些模型的不同之处在于， 它适应地球的球形几何形状，并学会在输入最新天气状况时准确生成未来天气情况的复杂概率分布 。
为了训练 GenCast，我们向它提供了来自 ECMWF 档案库中四十年的天气数据。这些数据包括不同高度的温度、风速和气压等变量。

该模型直接从这些经过处理的天气数据中学习 0.25°分辨率的全球天气模式。

03. 为天气预报设定新标准
为了严格评估 GenCast 的性能，我们用截至 2018 年的历史天气数据对其进行了训练，并用 2019 年的数据对其进行了测试。

GenCast 显示出比 ECMWF 的 ENS 更好的预报技能，ENS 是顶级运行集合预报系统，许多国家和地方的决策每天都依赖于它。
我们对这两个系统进行了全面测试，在不同的准备时间对不同的变量进行了预测——共有 1320 种组合。在其中 97.2% 的目标上，GenCast 比 ENS 更准确， 在超过 36 小时的前置时间上，GenCast 比 ENS 更准确，达到 99.8% 。
集合预报通过代表不同可能情况的多重预测来表达不确定性。如果大多数预测显示气旋会袭击同一地区，那么不确定性就很低。但如果预测的地点不同，不确定性就会增加。
GenCast 在两者之间取得了恰当的平衡，既避免了夸大预测结果的可信度，也避免了低估预测结果的可信度。
在 GenCast 的集合预测中，单个谷歌云 TPUv5 仅需 8 分钟即可生成一个 15 天的预测 ，而且集合预测中的每个预测都可以同时并行生成。

而传统的基于物理学的集合预报（如 ENS 制作的 0.2°或 0.1°分辨率的集合预报）则需要在拥有数万个处理器的超级计算机上运行数小时。

04. 极端天气事件的高级预报
更准确的极端天气风险预报可以帮助官员保护更多生命、避免损失并节省资金。当我们测试 GenCast 预测极热、极冷和高风速的能力时，GenCast 的表现始终优于 ENS。

现在来看一下热带气旋，也称为飓风和台风。对热带气旋袭击陆地的地点获得更好、更先进的预警是非常有价值的。GenCast 对这些致命风暴的路径进行了卓越的预测。

更好的预测还能在社会的其他方面发挥关键作用，如可再生能源规划。例如，风力发电预测的改进可直接提高风力发电作为可持续能源的可靠性，并有可能加速其应用。
在一项原理验证实验中，对全球风电场分组产生的总风力进行分析预测，GenCast 比 ENS 更准确。

05. 谷歌的新一代预测和气候理解
GenCast 是谷歌不断发展的新一代人工智能天气模型套件的一部分，包括谷歌 DeepMind 的人工智能确定性中期预报，以及谷歌研究院的 NeuralGCM、SEEDS 和洪水模型。

这些模型已开始为谷歌搜索和地图上的用户体验提供支持，并改善了降水、野火、洪水和极端高温的预报。

我们非常重视与气象机构的合作，并将继续与他们合作开发基于人工智能的方法，以提高他们的预报能力。

与此同时，传统模型对这项工作仍然至关重要。

首先，它们为 GenCast 等模型提供所需的训练数据和初始天气条件。人工智能与传统气象学之间的这种合作凸显了联合方法在改进预报和更好地服务社会方面的潜力。

为了促进更广泛的合作，帮助加快天气和气候界的研究与开发，我们将 GenCast 作为一个开放模型，并发布了它的代码和权重，就像我们的确定性中期全球天气预报模型一样。

我们很快将发布 GenCast 以及以前模型的实时和历史预报， 这将使任何人都能将这些天气输入整合到自己的模型和研究工作流程中 。

我们渴望与更广泛的气象界合作，包括学术研究人员、气象学家、数据科学家、可再生能源公司以及关注食品安全和灾害响应的组织。

这种合作关系提供了深刻的见解和建设性的反馈，以及产生商业和非商业影响的宝贵机会，所有这些对于我们应用模型造福人类的使命都至关重要。