科技日報記者 劉霞
極端天氣頻發(fā)，快速準確的天氣預報至關重要。然而，精準預測天氣面臨極大挑戰(zhàn)。借助人工智能（AI），迅速而準確地捕捉雨云的變化趨勢，科學家現(xiàn)在能更快、更可靠地預測天氣了。
科學家已研發(fā)出多款由AI賦能的天氣預報模型。這些AI模型不僅革新了天氣預報方式，還能助力作出更好的決策，提升了災難響應效率、增強了電網(wǎng)可靠性。
AI分析天氣數(shù)據(jù)顯示優(yōu)勢
精準而快速的天氣預報對于農(nóng)業(yè)、航空和災害管理等多個部門來說都至關重要。
美國科普網(wǎng)站ZME Science的報道指出，傳統(tǒng)天氣預報依靠數(shù)值模型求解復雜的數(shù)學方程式，從而模擬大氣的變化。但是，要想生成詳盡且準確的預測結果，需要強大的算力作為支撐。因此，這些數(shù)值模型往往需要在超級計算機上運行。簡而言之，傳統(tǒng)天氣預報是依靠數(shù)學方程，通過超算“精算”出來的。
傳統(tǒng)的天氣預報方法雖然有效，但需耗費大量計算資源和時間，且在預測特殊事件和極端天氣時，往往顯得力不從心。AI預報應運而生，為天氣精準預報帶來了新的曙光。
AI憑借其強大的數(shù)據(jù)分析能力，能迅速處理大量歷史和實時數(shù)據(jù)，從而給出更加精準的預測結果。谷歌旗下“深度思維”公司研發(fā)出一款氣象預報AI模型GenCast。這款模型在預測準確度方面超過了全球頂尖天氣預報模型——歐洲中期天氣預報中心的集成模型ENS。GenCast學習了截至2018年的40年氣象數(shù)據(jù)，并預測2019年的天氣走勢。結果顯示，在GenCast預測的1300多個指標中，約97%的預測結果優(yōu)于ENS。
不僅如此，AI天氣預報在速度方面也展現(xiàn)出巨大優(yōu)勢。傳統(tǒng)預測模型需花費數(shù)小時來運行那些基于大氣物理學的復雜算法，而AI模型卻能在幾秒鐘內(nèi)輕松生成預測結果。比如，GenCast只需短短8分鐘就能完成15天的天氣預測。無論是常規(guī)天氣還是極端天氣，GenCast都能進行準確分析，顯著降低了預測天氣所需的計算成本。
多國AI預報模型各有千秋
如今，世界多地的企業(yè)和機構都紛紛投身到AI預測天氣的熱潮中。
去年6月，微軟公司發(fā)布了其首個用于預測天氣的大型大氣基礎模型“極光”。測試結果顯示，“極光”能在不到一分鐘的時間內(nèi)，生成5天的全球空氣污染預測和10天的高精度天氣預報結果。值得一提的是，“極光”在空氣質量預測方面表現(xiàn)出色，能以較小的計算成本，提供與歐洲哥白尼大氣監(jiān)測服務系統(tǒng)相當?shù)念A測結果。
英偉達公司也不甘示弱。該公司近日推出了AI天氣預報模型CorrDiff。這款模型能將精度從25公里提升至2公里，生成更精細的氣象數(shù)據(jù)，適用于預測臺風等極端天氣。CorrDiff的性能與現(xiàn)有模型相當，但計算速度提升了22倍，能耗降低到1/3000。
中國華為公司推出的“盤古氣象模型”向世界展示了中國在AI天氣預報領域的實力。歐洲中期天氣預報中心發(fā)表的一篇測評論文中指出，盤古氣象模型在預測正常天氣事件和極端天氣事件時的準確度，已能與傳統(tǒng)方法相抗衡。
歐洲中期天氣預報中心也正式開始運行AI天氣預報系統(tǒng)AIFS。AIFS結合機器學習與AI技術，實現(xiàn)了預報速度的極大飛躍，也將單次預報能耗降低到1/1000。在多項關鍵指標上，AIFS的預測準確度較當前最先進的數(shù)值模型提升了20%。
多種方法融合是務實之選
不過，AI預測天氣仍有許多需要改進之處。
比如，AI模型雖然能給出預測結果，但無法解釋得出這一結果的具體過程。一旦預測結果與實際情況大相徑庭，科學家往往需要修改計算方法。
此外，AI雖然在預測臺風和低壓系統(tǒng)等宏觀趨勢上游刃有余，但面對每日天氣預報的詳細需求時，卻顯得力不從心。
日本氣象協(xié)會技術戰(zhàn)略室主任增田有俊表示，要提高氣象預報的準確度，讓AI模型與數(shù)值預報強強攜手是務實的選擇。
例如，日本理化學研究所開發(fā)出了一種將數(shù)值預報和AI技術相結合的系統(tǒng)，專門預測分散性強降雨。他們將實際觀測數(shù)值和數(shù)值預報計算出的數(shù)據(jù)輸入AI模型內(nèi)。結果顯示，在相同準確度下，AI預報結果的時間跨度是單純數(shù)值預報的5倍。
ZME Science在報道中強調(diào)，數(shù)值模型對于模擬基本大氣物理學仍然至關重要，可作為AI系統(tǒng)的強大補充。這兩者強強攜手能提高天氣預報的效率和精確度，同時可降低計算成本。
