AI系统在天气预报中的竞争力

根据某些衡量标准，AI系统在生成天气预报方面已经与传统计算方法相当。然而，由于AI系统在训练过程中会惩罚错误，因此随着预测时间的延长，预报结果往往会变得“模糊”，风暴路径变宽，风暴的边缘也变得更加不清晰。

尽管如此，使用AI仍然非常具有吸引力，因为替代方案是计算密集型的大气环流模型。目前，欧洲中期天气预报中心（ECMWF）的集合模型被认为是最成功的传统预报方法。

DeepMind的GenCast系统

Google的DeepMind发布了一篇论文，声称其新的AI系统GenCast在至少一周的预报中表现优于欧洲模型。GenCast结合了大气科学家使用的计算方法和生成式AI中常用的扩散模型，能够在保持高分辨率的同时显著降低计算成本。

集合预报

传统计算方法相比AI系统有两个主要优势：首先，它们直接基于大气物理学，结合了我们已知的天气行为规则，并通过经验数据计算细节；其次，它们以集合形式运行，即运行多个模型实例，以提供预报的不确定性度量。

DeepMind的GenCast系统基于扩散模型，能够通过输入不同的噪声模式生成不同的天气数据输出，从而创建集合预报。每个网格方块的分辨率为0.2度，高于欧洲模型的分辨率。尽管分辨率高，DeepMind估计在Google的张量处理系统上，单个实例可以在八分钟内完成15天的预报。

成功衡量标准

DeepMind报告称，GenCast在标准基准测试中比欧洲模型更准确，并且在处理极端天气（如异常高低温和气压）方面表现优异。此外，GenCast在预测热带气旋路径和全球风能输出方面也优于传统模型。

未来展望

尽管GenCast在一周后性能逐渐下降，但研究人员并未详细探讨其原因。无论如何，今天的论文标志着混合传统预报系统和AI的第二种方法被报告为改进预报。这两种方法采取了不同的途径，预示着未来可能结合它们的特性。

参考文献: Nature, 2024. DOI: 10.1038/s41586-024-08252-9