人工智能(AI)公司Google DeepMind开发的机器学习模型GraphCast,在“3至10天的中期气象预测领域”展现了超越传统模型和其他AI方法的准确率和效率。相关研究11月14日发表于《科学》。
“GraphCast目前在AI模型的竞赛中处于领先地位。”美国加州大学洛杉矶分校计算机科学家Aditya Grover说。
预测天气是一项复杂且耗费大量能源的任务。全球气象机构使用的标准方法被称为数值天气预报(NWP),是一种基于物理原理的数学模型。它利用超级计算机处理来自全球的浮标、卫星和气象站天气数据。这些计算能准确描绘出热量、空气和水蒸气如何在大气中移动,但其运行是昂贵且能源密集型的。
为降低天气预测的资金和能源成本,几家科技公司开发了机器学习模型,可以根据过去和当前的天气数据快速预测未来的全球天气状况。其中包括DeepMind、英伟达(Nvidia)和华为,以及一系列初创企业。
欧洲中期天气预报中心(ECMWF)的Matthew Chantry表示,机器学习正在推动天气预报领域的一场革命。美国科罗拉多州大气合作研究所数据可视化研究员Jacob Radford说,AI模型的运行速度比传统的NWP模型快1000到10000倍,这能为解释和传播预测结果留出更多时间。
研究人员首先利用物理模型对1979年至2017年的全球天气预测来训练GraphCast,这使得后者能够了解诸如气压、风、温度和湿度等天气变量之间的联系。
经过训练的模型根据全球天气的“当前”状态和6小时前的天气预报来预测未来6小时的天气。早期的预测被反馈到模型中,使其能够对未来天气作出进一步的估计。DeepMind的研究人员发现,GraphCast可以根据2018年的全球天气预测,在不到1分钟的时间预测未来10天的天气,而且比ECMWF的高分辨率预报系统(HRES)更准确,后者是NWP的一个版本,需要数小时才能得出结果。
DeepMind计算机科学家Remi Lam表示,在完成的1200次预测中,GraphCast在99%以上的预测中都优于HRES;而在大气的所有层面,该模型90%的天气预报都优于HRES。
GraphCast预测了靠近地球表面的5个天气变量如离地面2米的气温,以及离地面更远的6个大气变量如风速。Chantry指出,GraphCast在预测恶劣天气事件方面也被证明是有用的,如热带气旋的路径,以及极端高温和低温事件。
Chantry指出,虽然基于某些指标的评估,GraphCast的性能优于研究中的其他模型,但未来使用其他指标对其性能进行评估可能会导致不同的结果。
“机器学习模型仍处于实验阶段,它不会完全取代传统方法,而是可以提高标准方法不擅长的特定类型的天气预测质量,比如预测几小时内的降雨量。”Chantry说,“我预计,人们还需要2年到5年的时间,才能利用机器学习方法进行预测,进而在现实世界中作出决策。”
与此同时,机器学习方法的问题必须得到解决。Grover说,与NWP模型不同,研究人员不能完全理解像GraphCast这样的AI是如何工作的,因为决策过程发生在AI的“黑匣子”中。“这让人质疑它们的可靠性。”同时,AI模型也有放大训练数据偏差的风险,并且需要大量的能量进行训练,尽管它们消耗的能量比NWP模型要少。
-
超级计算机
+关注
关注
2文章
461浏览量
41942 -
AI
+关注
关注
87文章
30763浏览量
268906 -
模型
+关注
关注
1文章
3229浏览量
48813
原文标题:完胜超级计算机!Science:谷歌AI新模型预测天气又快又准
文章出处:【微信号:AI智胜未来,微信公众号:AI智胜未来】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论