陈根：极端天气越来越多，我们还有更先进的手段来了解天气变化吗？_风闻

文/陈根

气候暖化的加剧，让今天的极端天气是越来越多。除了极端灾害天气，我们平时最常经历的就是猝不及防的降温，还有夏秋和冬的同时交替。昨天还是22℃，今天就剩10℃了，早上还有17℃，晚上就剩7℃。一些在南方的朋友，家里有秋裤的，是冷了穿，热了收，冷了又穿。

面对这样的情况，就连天气预报也有点力不从心。那么，我们还有更先进的手段来了解天气变化吗？

还真的有，最近，谷歌就在这一方向做出了新的贡献，它们开发出了一款气象领域的类ChatGPT，可以高精度预测出未来10天的全球天气。谷歌新研究出来的这款天气预报模型叫做GraphCast，最近也登上了国际顶级学术期刊《科学》。

那么，谷歌的这款天气预报模型究竟有什么特别的地方？又为什么能精准地预测天气？

要知道这两个问题，我们先要知道当前天气预报是什么原理。其实，当前的天气预报的技术原理大多数都是数值天气预报（NWP），这种传统的方法，需要研究人员先定义物理方程，然后将其转化为在超级计算机上运行的计算机算法。这种方法的缺点，就是设计方程和算法非常耗时，需要深厚的专业知识和昂贵的计算资源，才能做出准确的预测。

举个例子，我想要知道明天上海的温度，首先，我需要知道热传递方程，这种方程能够描述温度是怎么在大气中传递的，然后，将热传递方程转化为数值格式，划分地区为小格子。我还需要知道今天上海的初始温度和大气状况，并设置地区的边界条件。随后，计算机通过迭代求解数值方程，模拟未来一天内上海温度的演变，最后，输出结果。但这个过程就太漫长，也太昂贵了。

而谷歌这次做出的深度学习模型GraphCast，却提供了一种不同的方法：通过数据，而不是物理方程来创建天气预报系统。GraphCast只需要两组数据作为输入，6小时前的天气状态和当前的天气状态，并预测未来6小时的天气。然后，该过程可以以6小时为增量向前滚动，最多可以提前10天提供最先进的预测。

GraphCast的效果也让科学家们感到非常惊艳，研究发现，与行业黄金标准天气模拟系统——高分辨率预报（HRES）相比，GraphCast在1380个测试变量中准确预测超过90%。虽然GraphCast没有经过捕捉恶劣天气事件的训练，但还是能比传统预报模型更早地识别出恶劣天气事件。

并且，GraphCast还可以预测未来气旋的潜在路径，比以前的方法要早3天。它还可以识别与洪水风险相关的大气河流，并预测极端温度的开始。

值得一提的是，目前，GraphCast****模型的源代码已经全部开放，从而让世界各地的科学家和预报员可以造福全球数十亿人。而对于网友来说，现在最大的期望，估计就是谷歌能出个应用程序，好让每个人都能享受到高精度的气象预测。

对于谷歌这一突破，谷歌的DeepMind 在博客中说，它们的研究不仅仅是预测天气，而是了解更广泛的气候模式。通过开发新工具和加速研究，希望 AI 能够帮助国际社会应对我们面临的最大环境挑战。

当然，从谷歌的角度来说，这一步也是非常正确的战略，目前，在人工智能领域，谷歌已经在生物医学、气象预测等多个方面都有了突破。随着人工智能进入垂直领域并且应用，我们的生活还将因为人工智能的到来而有新的变革。