超越传统
天气影响着我们生活的方方面面：它影响着我们的决策、出行安全，甚至生活方式。然而，完美预测天气依然是无法实现的！即便是当前最先进的天气预报系统也存在局限性。
传统天气预报基于数值天气预报（NWP）算法，这些算法通过近似求解模拟大气动力学的方程来预测天气。这类算法需用到超级计算机来处理来自卫星和气象站的数据，因此这是一个会消耗大量时间和计算能力的过程。目前，欧洲中期天气预报中心（ECMWF）的ENS被认为是这类系统中最先进的。
近年来，基于机器学习的人工智能（AI）天气预报展现了巨大的潜力，某些模型的预测误差甚至低于单一的数值天气预报系统。然而，这些AI模型主要侧重于单一、确定性的预测，难以有效评估天气的不确定性和潜在风险。因此，整体来看，机器学习天气预报在准确性与可靠性上，仍然逊于最先进的NWP预报系统。
最近， 在一项最新发表在《自然》杂志的研究中，DeepMind团队推出了全新的AI模型——GenCast。它的预测效果超越了ENS，不仅能够提供更精确的日常天气预测，还能更准确地预测极端天气事件。令人惊叹的是，GenCast仅需几分钟便能完成长达15天的天气预测，极大地提高了预报效率。
这一创新成果标志着AI技术在天气预测领域的又一重大飞跃，也为应对极端天气和气候变化带来了新的希望。
集合预报
迄今为止，一些已发布的AI天气预报系统都是“确定性”模型，这意味着它们只提供单一预测，并且无法对预测的正确性进行估测。
相比之下，GenCast是一种扩散模型，生成的是“集合”预报。换言之，它是一系列预测的集合，其中每个预测都具有略微不同的初始条件，每个预测都代表一个可能的天气轨迹。通过将这些预测集合成一个整体，科学家就能得到一个更全面的天气预报。集合预报比单一预报更为有效，因为它可以呈现未来几天或几周内可能发生的多种天气情况，并衡量每种情况的可能性。
GenCast由至少50个独立的预测组成。为了训练这个模型，研究人员使用了ECMWF的ERA5档案，其中包含了过去40年间的历史天气数据，涵盖了温度、风速、气压等多个变量的数值。通过这些高质量的数据，GenCast能够以0.25°的高分辨率学习全球天气模式，并能够在输入当前天气状况后，精确生成未来天气场景的复杂概率分布。
天气预报的新标准
为了评估GenCast的性能，研究人员使用了截至到2018年的历史天气数据对其进行训练，并使用从2019年开始的数据对其进行测试。
他们将GenCast的预测能力与ENS进行了比较，全面测试了这两个系统在不同提前期内对不同变量的预测，共涉及1320种组合。结果显示，在97.2%的测试情况下，GenCast的预测比ENS更为准确；而在预测提前期超过36小时的情况下，这一比例更是达到了99.8%。
GenCast可以更好地预报热浪或强风等极端天气，进而帮助人们及时采取更具有经济效益的预防措施。在针对各种决策场景做出有关极端天气准备的决策时，GenCast提供了比ENS更大的价值。（图/DeepMind）
而且，GenCast在AI处理芯片上只需8分钟就能生成一个15天的天气预报，并且集合中的每个预报都可以同时并行生成。这种速度比传统的基于物理学定律的集合预测所需的时间要快得多。举例来说，ENS在拥有数万个处理器的超级计算机上生成一个分辨率为0.2°或0.1°的集合预报，通常需要耗时数小时。
极端天气预报
此外，测试结果显示，GenCast在预测极端高温、低温以及强风等极端天气事件时，始终优于ENS。
对极端天气风险的更准确预测，有助于保护更多生命、避免损失并节省资金。特别是热带气旋（如飓风和台风）的准确预警尤为重要，提前得知这些致命风暴的登陆位置对防灾减灾至关重要。GenCast在预测这些极端风暴路径方面表现出色。
GenCast的集合预报提前7天显示了台风海贝思的多种可能路径。（图/DeepMind）
例如，上图展示了GenCast如何提前七天预测2019年台风海贝思的各种可能路径。随着这一强烈气旋逼近日本海岸，预测路径的范围在短短几天内收窄为一个高置信度、准确的集群。
更准确的天气预报在社会的其他领域也可能发挥关键作用，特别是在可再生能源规划方面。例如，风能预测的改进可以直接提高风力发电作为可持续能源的可靠性，甚至可能加速风能的普及。在一项原理验证实验中，研究人员分析了全球风电场产生的总风力的预测结果，发现GenCast的准确性明显优于ENS。
促进合作
GenCast标志着基于AI的天气预报取得了重大进展。DeepMind的研究团队表示，他们非常重视与气象机构的合作，并将继续与他们合作开发基于AI的方法来改进天气预报。因此，他们希望能与气象界展开更广泛的合作。
同时，研究人员强调，传统模型对于这项工作仍然至关重要。例如，传统模型为GenCast等AI系统提供了训练所需的数据和初始天气条件。AI与传统气象学的结合，彰显了综合方法在提升预报准确性和更好服务社会方面的潜力。
为了推动更广泛的合作并加速天气与气候领域的研究与发展，DeepMind团队将GenCast设为开放模型，公开了其代码和权重，并计划尽快发布GenCast及其他模型的实时和历史预报。这将使任何人都能将这些天气数据纳入到自己的模型和研究工作流中。
#创作团队：
撰文：小雨
排版：雯雯
#参考来源：
https://deepmind.google/discover/blog/gencast-predicts-weather-and-the-risks-of-extreme-conditions-with-sota-accuracy/
https://www.nature.com/articles/s41586-024-08252-9
https://www.nature.com/articles/d41586-024-03957-3
#图片来源：
封面图&首图：vocablitz / Pixabay