人工智能将彻底改变天气预报

【川透社编译报道】人工智能可以在廉价的台式计算机上可以快速做出10天的天气预测,此快速、便宜的天气预测与最好的传统模型一样好。人工智能通过算法,降低了传统天气预测的成本,还更加快速、准确。并且人工智能…

气象学家们将循序渐进并且稳步改进的天气预报发展之路称为“无声的革命”。如今的对未来6天的天气预报和30年前的对未来3天的天气预报的精准度差不多,这让大多数来势汹汹的暴风雨或者热浪都会被人们及时提前所知。这场“无声的革命”拯救了人类的生命和金钱,但为此也付出了相应的代价:价值数十亿美元还十分耗电的超级计算机必须全天候运行,并且每天还只能做出少量的预测。

人工智能(AI )正在推动数字天气预报领域的另一场革命。如今,在廉价的台式电脑上,经过训练的人工智能系统只需几分钟就能做出未来10天内的天气预测,其呈现出来的效果与最好的传统天气预测模型一样好,在对极端天气的预测上人工智能甚至做得更好。世界顶级气象机构—欧洲中期天气预报中心(ECMWF)已经具备了这项技术。上个月,该天气预报中心开始生产实验性人工智能天气预报。这些人工智能的算法可以完成更频繁的天气预测,并为其他棘手的问题腾出了计算资源。马里兰大学研究人工智能的气象学家玛丽亚·莫利纳(Maria Molina)也称她本人为我们可以掌握技术娴熟、成本低廉的全球预测而感到高兴。

世界上一些最大的科技巨头都在争相宣称自己拥有最熟练的天气预测模型,包括谷歌人工智慧企业深度思维(DeepMind)本周在《科学》杂志上描述了它的基于数据驱动的全球天气预报模型(GraphCast),华为今年早些时候在《自然》杂志上也发表了一个类似的模型,名为盘古天气(Pangu-Weather)。谷歌也有一个依靠人工智能进行短期天气预测的模型,可以进行24小时滚动预测,比几乎任何气象机构的天气预测都要准确。加州大学洛杉矶分校(University of California, Los Angeles)的人工智能研究员阿迪亚·格罗弗(Aditya Grover)说道,人工智能在天气预测上已经完成了在几年前被认为是不可行的任务,并且从技术角度来看,我们已经具备了人工智能天气预报的所有要素。

传统的天气模型首先要根据卫星、气象站、气球和浮标的观测结果,将当前天气状况的快照输入到网格状的计算机模型中,该模型将大气层划分为数百万个盒子。通过将流体动力学的物理定律应用于每个盒子,快照在时间线上向前运行,这个过程需要花费大量的计算成本。这些模型在拥有100万个处理器的超级计算机上运行可能需要几个小时,而气象机构通常每天只更新四次。

新的人工智能模型省去了计算机求解方程的费用。经过40年欧洲中期天气预报中心(ECMWF)数据的“再分析”的训练后,他们确定了大气自然演变的模式,这些数据是对气象的观测和短期天气预测模式的结合,这代表了建模者对过去天气的最完整的描述。当提供基于观测和建模的初始大气层快照时,基于数据驱动的全球天气预报模型(GraphCast)可以在90%的验证目标(包括飓风轨迹和极端温度)上优于欧洲中期天气预报中心(ECMWF)预测未来10天的天气。基于数据驱动的全球天气预报模型(GraphCast)论文的主要作者雷米林(Rémi Lam)表示,尽管让32台计算机花4周的时间来训练人工智能模型,但最终的算法很轻松,在一台台式计算机上运行不到1分钟就能完成。

这些优势在现实的环境中同样适用。今年早些时候,欧洲中期天气预报中心(ECMWF)的研究人员运行了盘古天气,只向它提供了用于运行天气模型的观测数据。与用于测试基于数据驱动的全球天气预报模型(Graph-Cast)的“再分析”快照相比,这些观测结果提供了更有限的大气图像。盘古天气的预测技巧与欧洲中期天气预报中心(ECMWF)的主要天气预测模型相似,它们对降雨和其他精细的天气特征的预测略显模糊。该分析于7月发布到预印本网站上(arXiv),领导这项分析的齐德·本·布阿伦特(Zied Ben Bouallègue)表示很惊讶看到了这么好的成果。

天气预测的进步很迅速。关键的一步是在2020年,当时由斯蒂芬·拉斯普(Stephan Rasp)领导的一个小组(现在也在谷歌)创建了“天气长凳”(WeatherBench),它使欧洲中期天气预报中心(ECMWF)的“再分析”数据更容易被计算,同时,为了激发竞争,它提供了衡量天气预测技能高低的基准。2022年,现职于矿产勘探公司(KoBold Metals)的物理学家瑞安·凯斯勒(Ryan Keisler)发表了一份预印本,描述了一个对未来6天天气预测中具有相当优势的简单模型。凯斯勒说,考虑到有这么多的历史数据可供学习,它必须在某种程度上起作用。

下一步则是产生综合效果,这是一种天气预测的创新,通过多次运行模型来创建一系列可能的结果,从而帮助捕获天气预测的不确定性。人工智能研究人员可以遵循传统天气预测技术,在每个模型运行之前稍微调整初始天气条件,或者他们可以调整人工智能生成技术。拉斯普(Rasp)说道,每个团队都在为这种集合天气预报努力,它可以帮助人工智能模型更好地预测极端天气,比如它们目前低估的强飓风强度。

为了进一步改进天气预测,让人工智能模型可以摆脱“再分析”数据,这些数据带有传统天气预测模型的偏差。凯斯勒说,相反,人工智能可以直接从气象机构持有的千兆字节原始观测数据中学习。谷歌的短期天气预测模型已经做到了这一点,它利用气象站、雷达和卫星的数据进行对自我的不断训练。

艾伦人工智能研究所(Allen Institute for AI )的气象科学家克里斯托弗·布雷瑟顿(Christopher Bretherton)说,这些人工智能模型的潜力并不局限于天气预报。它们不能自己预测气候,因为40年的训练数据集不够长,无法计算出全球变暖的趋势,而全球变暖趋势受到云、气体和气溶胶的复杂影响,这些影响会加速或减缓气候变化。但它们可以帮助新一代高分辨率气候模型在最新的超高速计算机上运行。一旦这些模型输出足够的数据供人工智能进行训练,人工智能就可以接管此模型的运算。我们便可以制作这些模型的模拟器,然后以100倍的速度运行它们。

几乎没有人认为传统的天气预测会在将来消失,但在欧洲中期天气预报中心(ECMWF)从事协调工作的马修·钱特里(Matthew Chantry)说,人工智能正迅速向成为一个在天气预报领域有用的补充工具接近。人们对人工智能的“黑盒子性质”感到不放心,这可能会减缓采用人工智能的速度,因为研究人员往往无法说出这样的系统是如何得出最终结论的。但马修·钱特里(Matthew Chantry)指出这种担忧被夸大了,传统模型也非常复杂,也存在一定程度的不透明性。

格罗弗(Grover)说,最终使用哪种模型进行天气预测还是要看用户的需求。“如果你是田间的农民,你会在意更准确的预测,还是更在意可以用物理方程写下的预测?”【全文完】

来源:《科学》2023年11月17日刊 | 作者:Paul Voosen
原文标题:Al is set to revolutionize weather forecasts