人工智能天气模型在今年的飓风季节中显示出潜力 - 彭博社
Eric Roston
2024年9月26日，飓风海伦在墨西哥湾的卫星图像，正朝佛罗里达州移动。
图片来源：NOAA
当飓风贝里尔在7月横扫大西洋盆地时，天气预报工具由谷歌Deepmind制作，这家科技公司的人工智能部门，发现了其他模型未能捕捉到的情况。Deepmind的人工智能驱动程序GraphCast预测风暴将急剧转向远离南墨西哥，前往南德克萨斯州，比传统预测早了近一周——而且它是正确的。
这一戏剧性的预测展示了新的人工智能驱动天气模型的潜力，在一个破坏性的飓风季节中，这个季节还包括海伦和米尔顿。随着季节的结束，气象机构和科技公司正在审视这些新模型与传统模型的比较。初步结果表明，人工智能能够提供令人毛骨悚然的准确预测轨迹，尽管模型在其他指标上的技能仍需改进。
彭博社绿色新加坡正在尝试绿色转型中国铜买家削减与市场波动的年度合同图恩是风能的忠实支持者，而特朗普却讨厌这种能源热带风暴萨拉对洪都拉斯构成灾难性洪水威胁科学家们在 惊人进展 的基础上，利用依赖物理学的模型进行风暴预测。1970年，飓风轨迹的三天预测平均偏差为520英里。如今，这个数字仅为其十分之一。四天和五天的预测直到2000年后才开始，并在过去二十年中也取得了显著进展。但依赖物理学的模型的惊人改进速度正在放缓，正如气候变化正在加速一样。
“在这个领域取得进展变得越来越困难，”谷歌DeepMind的研究科学家雷米·拉姆说。
贝里尔预测只是人工智能推动飓风预测边界的一个近期亮点。本周在迈阿密举行的飓风预测改进会议上，分析了GraphCast在2021年至2024年期间的表现。谷歌DeepMind的研究科学家费兰·阿莱特表示，它在风暴的前五天内超越了大西洋和太平洋飓风盆地的传统模型。它的预测比美国全球天气预报系统提前12小时命中目标。
来自欧洲中期天气预报中心（ECMWF）的另一个人工智能驱动模型预测，飓风弗朗辛将在10天前袭击路易斯安那州，远远领先于大多数其他模型。
虽然他们擅长绘制风暴的路径，但模型在其他关键元素，特别是强度方面有些盲目。GraphCast经过训练以通过平均冲突预测来解决矛盾，这往往会低估风速。作者Ryan Keisler表示，人工智能被劝阻犯错，2022年的一篇论文被认为是最近研究进展的起点，因此他们通常预测较低的风强度估计，而不是返回更高、更少见且可能错误的结果。
但人工智能的好处变得越来越明显，甚至超出了他们的轨迹预测的准确性。
GraphCast可以在不到一分钟的时间内生成10天的天气预测，Lam表示所用机器“比笔记本电脑大，但可以手持。”相比之下，标准模型在超级计算机上完成相同任务大约需要一个小时。GraphCast的准确性也超过了由ECMWF组装的标准物理模型90%以上，被认为是黄金标准。
DeepMind的方法已经证明非常引人注目，ECMWF借用了它来生产自己的人工智能模型，该模型已经超越了该组的传统模型。先进计算巨头NVIDIA的天气人工智能称为FourCastNet，属于该公司Earth-2平台上可用的更大工具套件，后者被称为“第三颗行星的气候数字双胞胎”。华为的Pangu-Weather项目也超越了在测试变量上的欧洲中期标准，而复旦大学的FuXi在15天预测上击败了它。
领先的天气模型，如欧洲中期天气预报中心（ECMWF）和美国国家海洋和大气管理局（NOAA）的模型，是控制大气的物理方程的庞大目录。相比之下，人工智能模型并不懂物理。相反，它们从神经网络或其他学习平台开始，并被输入训练数据——全球每个点都有大量数据。许多模型依赖于ECMWF的 历史天气模拟数据库 以及观测数据。
ECMWF预计明年将在一般天气预报操作中使用其模型。但仍然会有基于物理的保护措施。
“我们并不打算关闭物理系统，”ECMWF的机器学习协调员马修·钱特里（Matthew Chantry）说。“我们希望运行两个系统，目前它们各自有自己的优缺点。”
最终，研究人员希望他们的人工智能产品能够帮助气象学家发布更能保护生命和财产的预报。在阿塞拜疆巴库举行的 COP29气候会议上，与会者也在讨论人工智能如何帮助应对气候变化，这标志着与通常的 关于人工智能排放的讨论 的转变。
俄克拉荷马大学的天气和人工智能专家艾米·麦戈文（Amy McGovern）参与了一项确保产品能够与常见基准进行测试的努力——这是建立信任的关键举措。“极端天气基准”是她正在开发的一个系统的名称，作为 初创公司Brightband的一部分，她是首席人工智能和气象战略师，凯斯勒（Keisler）担任首席科学家。她预计该平台将在明年初推出，提供一个标准化和开源的过去极端天气事件库，人们可以测试人工智能模型之间的表现。
“我们正在努力确保我们生成的内容是可信的，”麦戈文说，并发现“什么是可信的。”