Google DeepMind推出的GenCast AI，能在几分钟内提供15天的天气预测，超越传统系统90%以上的预测准确率，为极端天气应对提供有力支持。
今年的天气又一次变幻莫测。美国西南部被热浪笼罩，加利福尼亚在十月迎来“第二个夏天”，多个城市创下高温纪录。飓风海伦和飓风米尔顿先后袭击了墨西哥湾沿岸，带来了倾盆大雨和严重洪水。甚至经验丰富的气象学家也被这些飓风迅速加强的速度震惊，其中一位在镜头前哽咽着说：“这实在是太可怕了。”
在应对极端天气时，每一秒都至关重要，而有效的应对措施依赖于准确的天气预测。这正是AI发挥作用的地方。
本周，Google DeepMind推出了一款名为GenCast的AI，能够在几分钟内预测出15天内的天气，远超传统模型通常需要数小时的时间。在与欧洲中期天气预报中心(ECMWF)ENS模型的较量中，GenCast在超过90%的时间里获胜。
GenCast是DeepMind最新的天气预测算法。去年，他们发布了一个版本，能够准确预测10天的天气。与之前的模型不同，GenCast采用了一种生成式AI架构，类似于驱动ChatGPT、Gemini，或根据文本提示生成图像和视频的技术。
这种架构使GenCast比以往的模型更具优势，后者通常只能提供单一的天气路径预测。而GenCast则能生成50个或更多的预测结果，每个结果代表一种可能的天气轨迹，并给出每种情境发生的可能性。
简而言之，AI“想象”出一个多重宇宙的天气可能性，并选择出最可能发生的那一个。
GenCast不仅在日常天气预测方面表现出色，还在预测极端天气方面超越了ENS，包括高温、低温和强风。当面对来自台风哈吉比斯的数据时，GenCast提前七天预测了可能的路径。这场台风是几十年来袭击日本的最致命的热带气旋之一，暴雨导致洪水淹没了整个社区，水位高到屋顶，电力供应几乎全部中断。
正如DeepMind的研究作者Ilan Price和Matthew Wilson在博客中所写：“随着气候变化推动更多极端天气事件，准确和可靠的天气预报变得比以往任何时候都更加重要。”
迎接不确定性
天气预测历来被认为是极具挑战性的，因为天气本质上是一个混乱的系统。你可能听说过“蝴蝶效应”——一只蝴蝶扇动翅膀，可能会引发气候变化，甚至在遥远的地方引发海啸等自然灾害。虽然这是一个比喻，但它凸显了初始天气条件中的任何微小变化，都能迅速传播至广泛地区，改变最终的天气结果。
几十年来，科学家们通过物理模拟地球大气层来尝试模拟这些过程。他们通过全球气象站和卫星收集数据，编写方程式来预测天气，并预测这些数据随时间的变化。
问题在于，这些庞大的数据需要在超级计算机上处理数小时，甚至数天，同时消耗大量的能源。
而AI或许能够提供帮助。与其模仿大气变化的物理规律或海洋的涡旋，这些系统通过大量数据分析，识别天气模式。GraphCast于2013年发布，它通过捕捉地球表面的百万个数据点，能够在不到一分钟的时间内预测出10天的天气。中国的华为Pangu-Weather和NowcastNet也在气象预测的竞争中占有一席之地，后者特别擅长高精度降水预测，这是天气预报中最具挑战性的部分之一。
然而，天气预测总是充满变数。与这些类似的气象预测AI模型不同，GraphCast等是确定性的，只能预测单一的天气路径。现在，气象界越来越倾向于接受“集合模型”，这种模型预测多个可能的情景。
正如团队所说：“集合预报比依赖单一预测更有用，因为它为决策者提供了一个更完整的未来天气图景，并预测了每种情景发生的可能性。”
云中偶尔有雨
GenCast正面迎接天气的不确定性。这款AI主要依赖于扩散模型，一种生成式AI模型。它综合了地球表面和大气的12项气象指标，例如温度、风速、湿度和气压，这些都是传统上用来衡量天气的参数。
团队用来自公开数据库的40年历史天气数据对GenCast进行了训练，数据最晚更新至2018年。与要求单一预测不同，他们让GenCast生成多个预测结果，每个预测都从稍有不同的天气条件出发——可以说是不同的“蝴蝶”。然后，将这些结果组合成一个集合预测，并预测每种天气模式发生的可能性。
当测试2019年的天气数据时，GenCast的表现优于现有的领导者ENS，特别是在长达15天的预测中。与记录数据对比，GenCast在1300项天气预测指标上，97%的时间表现超过了ENS。
GenCast的预测速度也非常快。与传统超级计算机需要数小时才能生成结果不同，这款AI在大约8分钟内就能完成预测。如果被采用，这套系统可以为紧急预警提供更多时间。
众志成城
虽然GenCast并不是专门为预测极端天气而训练的，但它在台风哈吉比斯来临前，预测了它的路径。这场风暴是几十年来袭击日本的最致命台风之一，导致洪水淹没了社区，水位高到屋顶，电力供应几乎完全中断。
GenCast的集合预测犹如电影般生动。它在台风哈吉比斯登陆前七天开始，预测了多种可能的路径。随着风暴逐渐接近，AI的预测变得更加准确，路径逐渐缩小。虽然并不完美，GenCast给出了与实际记录非常相似的台风路径。
正如作者所写：“在一周的预警期内，GenCast可以为决定何时以及如何准备应对热带气旋提供重要的参考价值。”
更准确的长期预测不仅有助于为未来的气候挑战做准备，还能帮助优化可再生能源的规划。以风能为例，预测风力何时何地以及风速如何，将增加这一能源的可靠性，降低成本，可能加速技术的普及。在一项概念验证分析中，GenCast在预测全球5000多座风力发电厂的总发电量时，表现优于ENS。
GenCast并不是唯一的AI气象预报员。Nvidia的FourCastNet也使用生成式AI来预测天气，其能耗低于传统方法。Google Research还开发了多种天气预测算法，包括NeuralGCM和SEEDS，其中一些已经被应用到Google搜索和地图中，涵盖了降水、野火、洪水和热浪预警。微软也加入了这场竞争，推出了ClimaX，这是一款灵活的AI，能够根据不同的准确度预测从几小时到几个月的天气。
然而，这并不意味着AI会取代气象学家的工作。DeepMind团队强调，GenCast的成功离不开气候科学家和物理模型的基础性工作。为了回馈社会，他们将部分GenCast的成果发布给更广泛的气象社区，以便获取更多的见解和反馈。
本文译自 singularityhub，由 BALI 编辑发布。
