随着气候变化使天气变得更加不可预测和极端，我们需要更可靠的天气预报手段，来帮助我们做好准备和预防灾害。如今，气象学家使用大规模的计算机模拟来进行预测。它们需要数小时才能完成，因为科学家必须逐一分析天气变量，如温度、降水量、压力、风、湿度和云量。

然而，近日发表在《自然》杂志上的两篇论文表明，新的人工智能系统可以大大加快这一过程，使天气预测和极端天气警报更加准确。

第一个模型由华为开发，论文中详细介绍了其新的人工智能模型“盘古气象大模型”如何比传统的预测方法能更快地预测世界各地的每周天气，并且精度相当。

（来源：Pixabay)

第二个研究成果来自清华大学和加州大学伯克利分校，研究人员展示了一种深度学习算法，如何能够比其他领先方法更准确、更提前地预测极端降雨，在与类似的现有系统的对比测试中，约 70% 的情况下排名第一。

华为高级研究员谢凌曦表示，真正应用这些模型时，它们可以与传统的天气预测方法一起使用，以提高相关部门应对恶劣天气的能力。

为了构建盘古气象大模型，华为的研究人员根据 39 年的再分析数据构建了一个深度神经网络，该网络将历史天气观测与现代模型相结合。与一次分析一个天气变量（可能需要数小时）的传统方法不同，盘古气象大模型能够在几秒钟内同时分析所有天气变量。

研究人员将该模型与世界上领先的传统天气预报系统——欧洲中期天气预报中心（ECMWF，Medium-Range Weather Forecasts）的综合预报系统——进行了对比测试，发现它的准确性与其相当。

盘古气象大模型也能够准确追踪热带气旋的路径，尽管它没有接受过热带气旋数据的训练。瑞士联邦气象和气候办公室（MeteoSwiss）数值预测部门负责人奥利弗·福勒（Oliver Fuhrer）表示，这一发现表明，机器学习模型能够掌握天气的物理过程，并将其推广到以前从未见过的情况。

福勒说，盘古气象大模型令人兴奋，因为它可以比科学家的现有方法更快地预测天气，并预测原始训练数据中没有的东西。

在过去的一年里，多家科技公司推出了旨在改进天气预报的人工智能模型。ECMWF 地球系统建模主管彼得·杜本（Peter Dueben）表示，盘古气象大模型和类似的模型，如英伟达的 FourcastNet 和谷歌 DeepMind 的 GraphCast，正在让气象学家“重新考虑我们该如何使用机器学习和天气预报”。他没有参与这项研究，但已经测试了盘古气象大模型。

杜本说，以前机器学习更多地被视为一个“玩具”项目。但现在看来，气象学家很可能能够将其与传统方法一起使用来进行预测。

时间会告诉我们这些系统在实践中的表现如何。传统的天气预报系统是根据观测数据训练的，而盘古气象大模型则依赖于再分析数据。谢凌曦表示，他们希望在未来根据观测数据训练他们的模型。

虽然人工智能可以帮助预测热带气旋的走向，但它无法预测它们的强度。谢凌曦说：“人工智能往往会低估极端天气。”

然而，其他人工智能模型可能会对此有所帮助。清华大学研究人员开发的 NowcastNet，是一种基于物理的生成式人工智能模型，在预测极端降雨方面表现更好。

现有的深度学习降雨预测工具，如 DeepMind 的 DGMR，可以预测未来 90 分钟内所有降雨的可能性，而 NowcastNet 能够提前三个小时预测极端降雨，这是一项艰巨的任务。62 名中国气象学家将该系统与其他类似系统进行了比较，得出的结论是在大约 70% 的情况下，它是表现最好的降雨预测方法。

加州大学伯克利分校的计算机科学家迈克尔·I·乔丹（Michael I·Jordan）表示，该团队建立了一个深度生成模型，该模型基于从不同天气雷达和其他技术（如传感器和卫星）收集的数据进行训练。该模型还根据大气物理原理进行了训练，并使用了雷达的数据（天气模式的快照）。然后，该模型可以为天气模式生成下一个可能出现的变化模式。

因为其他模型比如 DGMR，只根据雷达数据进行训练，所以它们只有大气层的部分快照。这导致像极端降雨这样的罕见事件的结果不太准确。研究人员表示，由于 NowcastNet 以物理学为基础，他们的模型能够更全面地了解降雨及其表现，从而做出更准确的预测。

人工智能可以帮助人们在对降雨等天气事件进行短期预测时争取更多时间。参与了这项研究的乔丹说，极端降雨会造成大规模的死亡和破坏，能够在一个让人们有机会做好准备的时间框架内对其进行预测是很重要的。

基于人工智能的天气预报仍处于早期阶段，这些系统在实践中的实际用处还有待观察。杜本说，气候变化也可能使情况复杂化。

他说：“气候系统正在发生巨大变化。因此，如果一夜之间北极所有的冰都消失了，没有人知道像盘古气象大模型这样的模型会怎么样。”

支持：Ren