人工智能天氣模型在今年的颶風季節中顯示出潛力 - 彭博社
Eric Roston
2024年9月26日，颶風海倫在墨西哥灣的衞星圖像，正朝佛羅里達州移動。
圖片來源：NOAA
當颶風貝里爾在7月橫掃大西洋盆地時，天氣預報工具由谷歌Deepmind製作，這家科技公司的人工智能部門，發現了其他模型未能捕捉到的情況。Deepmind的人工智能驅動程序GraphCast預測風暴將急劇轉向遠離南墨西哥，前往南德克薩斯州，比傳統預測早了近一週——而且它是正確的。
這一戲劇性的預測展示了新的人工智能驅動天氣模型的潛力，在一個破壞性的颶風季節中，這個季節還包括海倫和米爾頓。隨着季節的結束，氣象機構和科技公司正在審視這些新模型與傳統模型的比較。初步結果表明，人工智能能夠提供令人毛骨悚然的準確預測軌跡，儘管模型在其他指標上的技能仍需改進。
彭博社綠色新加坡正在嘗試綠色轉型中國銅買家削減與市場波動的年度合同圖恩是風能的忠實支持者，而特朗普卻討厭這種能源熱帶風暴薩拉對洪都拉斯構成災難性洪水威脅科學家們在 驚人進展 的基礎上，利用依賴物理學的模型進行風暴預測。1970年，颶風軌跡的三天預測平均偏差為520英里。如今，這個數字僅為其十分之一。四天和五天的預測直到2000年後才開始，並在過去二十年中也取得了顯著進展。但依賴物理學的模型的驚人改進速度正在放緩，正如氣候變化正在加速一樣。
“在這個領域取得進展變得越來越困難，”谷歌DeepMind的研究科學家雷米·拉姆説。
貝里爾預測只是人工智能推動颶風預測邊界的一個近期亮點。本週在邁阿密舉行的颶風預測改進會議上，分析了GraphCast在2021年至2024年期間的表現。谷歌DeepMind的研究科學家費蘭·阿萊特表示，它在風暴的前五天內超越了大西洋和太平洋颶風盆地的傳統模型。它的預測比美國全球天氣預報系統提前12小時命中目標。
來自歐洲中期天氣預報中心（ECMWF）的另一個人工智能驅動模型預測，颶風弗朗辛將在10天前襲擊路易斯安那州，遠遠領先於大多數其他模型。
雖然他們擅長繪製風暴的路徑，但模型在其他關鍵元素，特別是強度方面有些盲目。GraphCast經過訓練以通過平均衝突預測來解決矛盾，這往往會低估風速。作者Ryan Keisler表示，人工智能被勸阻犯錯，2022年的一篇論文被認為是最近研究進展的起點，因此他們通常預測較低的風強度估計，而不是返回更高、更少見且可能錯誤的結果。
但人工智能的好處變得越來越明顯，甚至超出了他們的軌跡預測的準確性。
GraphCast可以在不到一分鐘的時間內生成10天的天氣預測，Lam表示所用機器“比筆記本電腦大，但可以手持。”相比之下，標準模型在超級計算機上完成相同任務大約需要一個小時。GraphCast的準確性也超過了由ECMWF組裝的標準物理模型90%以上，被認為是黃金標準。
DeepMind的方法已經證明非常引人注目，ECMWF借用了它來生產自己的人工智能模型，該模型已經超越了該組的傳統模型。先進計算巨頭NVIDIA的天氣人工智能稱為FourCastNet，屬於該公司Earth-2平台上可用的更大工具套件，後者被稱為“第三顆行星的氣候數字雙胞胎”。華為的Pangu-Weather項目也超越了在測試變量上的歐洲中期標準，而復旦大學的FuXi在15天預測上擊敗了它。
領先的天氣模型，如歐洲中期天氣預報中心（ECMWF）和美國國家海洋和大氣管理局（NOAA）的模型，是控制大氣的物理方程的龐大目錄。相比之下，人工智能模型並不懂物理。相反，它們從神經網絡或其他學習平台開始，並被輸入訓練數據——全球每個點都有大量數據。許多模型依賴於ECMWF的 歷史天氣模擬數據庫 以及觀測數據。
ECMWF預計明年將在一般天氣預報操作中使用其模型。但仍然會有基於物理的保護措施。
“我們並不打算關閉物理系統，”ECMWF的機器學習協調員馬修·錢特里（Matthew Chantry）説。“我們希望運行兩個系統，目前它們各自有自己的優缺點。”
最終，研究人員希望他們的人工智能產品能夠幫助氣象學家發佈更能保護生命和財產的預報。在阿塞拜疆巴庫舉行的 COP29氣候會議上，與會者也在討論人工智能如何幫助應對氣候變化，這標誌着與通常的 關於人工智能排放的討論 的轉變。
俄克拉荷馬大學的天氣和人工智能專家艾米·麥戈文（Amy McGovern）參與了一項確保產品能夠與常見基準進行測試的努力——這是建立信任的關鍵舉措。“極端天氣基準”是她正在開發的一個系統的名稱，作為 初創公司Brightband的一部分，她是首席人工智能和氣象戰略師，凱斯勒（Keisler）擔任首席科學家。她預計該平台將在明年初推出，提供一個標準化和開源的過去極端天氣事件庫，人們可以測試人工智能模型之間的表現。
“我們正在努力確保我們生成的內容是可信的，”麥戈文説，並發現“什麼是可信的。”