当前位置: 华文世界 > 科技

谷歌发布天气预测AI模型,30秒内能生成22.8天大气模拟结果

2024-07-25科技

在气候变化日益严峻的今天,准确的天气和气候预测变得愈发重要。

近日,谷歌研究人员开发出一种名为 NeuralGCM 的新型天气和气候预测模型,由人工智能技术驱动。这一最新成果发表在 Nature 杂志上。

该模型巧妙地结合了人工智能技术和传统物理模型的优势。在 1-15 天预报的准确率上,它的表现与欧洲中期天气预报中心(ECMWF,European Centre for Medium-Range Weather Forecasts )相当,而且它的计算速度很快,可以在 30 秒内生成 22.8 天的大气模拟。

传统模型与 AI 模型的融合

自 20 世纪 50 年代以来,天气预报主要依赖于基于物理方程的数学模型。

这些模型运行在超级计算机上,通过复杂的计算来预测未来的天气状况。

随着时间的推移,这些模型变得越来越详细,需要的算力也越来越大。

然而,即使是最先进的超级计算机,也难以完全模拟地球大气系统的复杂性。

图 | NeuralGCM 模型的结构(来源:谷歌 Research)

值得关注的是,NeuralGCM 模型在能够进行大尺度物理过程模拟的同时,还可以使用人工智能技术来处理小尺度现象,如云的形成和区域微气候等。

人工智能主要用于处理那些传统模型难以准确模拟的小尺度现象,并用来纠正在小尺度上累积的误差。

Google Research 的人工智能研究员兼论文合著者史蒂芬·霍耶(Stephan Hoyer)表示:「这不是物理(模型)与人工智能(模型)的对抗,而是两者的结合。」

性能与准确性的双重突破

研究显示,NeuralGCM 在 1-15 天的天气预报的准确性方面,与 ECMWF 模型不相上下。

ECMWF 是该研究的合作伙伴组织,它的模型被看作为全球最准确的天气预报模型之一。

更重要的是,NeuralGCM 在长期气候预测方面表现出色。它的 40 年气候预测模拟结果,与从 ECMWF 数据展示的全球变暖趋势一致。

NeuralGCM 模型在 ECMWF 提供的 40 年历史天气数据上进行训练。这种基于历史数据的训练方法使得模型能够学习到天气系统的复杂模式和规律,从而在未来的预测中表现出色。

与此同时,NeuralGCM 在季节周期循环模拟方面也体现出卓越的优势,包括基本的大气动力学、全球可降水量和全球总动能的年循环,以及哈德利环流和季风环流的独特季节性行为等。

图 | NeuralGCM 在计算速度方面超过了传统模型(来源:谷歌 Research)

美国奥克拉荷马大学气象学助理教授亚伦·希尔(Aaron Hill)指出,模拟全球气候变化或长期气候趋势是非常计算密集型的工作,这在传统模型中往往因计算成本过高而难以实现,因此这项技术的真正前景在于模拟大规模气候事件。

与传统模型相比,NeuralGCM 在计算效率方面具有显著优势。研究人员称,该模型可以在 24 小时内使用单个张量处理单元芯片处理 70000 天的模拟。

NeuralGCM 的另一个突出优点是代码量小。经过训练后,基于机器学习的模型如谷歌的 GraphCast 只需不到 5500 行代码,而美国国家海洋和大气管理局的模型则需要超过 37.7 万行代码。

这种精简不仅提高了运行效率,还使得模型更容易维护和更新。

潜力与挑战并存

虽然 NeuralGCM 在短期天气预报方面表现出色,但霍耶表示,其最终目标是用于长期建模,特别是极端天气风险的预测。这种能力对于应对气候变化带来的挑战至关重要。

除了科研用途,NeuralGCM 还可能引起大宗商品交易、农业规划部门和保险公司等更广泛群体的兴趣,因为这些领域格外重视更精准的天气预测,NeuralGCM 可能会发挥重要作用。

尽管 NeuralGCM 展现出巨大潜力,但要完全取代传统模型还需时日。

希尔指出,人们尚未对这些基于人工智能的预测系统建立足够的信任。

他说:「人们之所以在工作中表现出色,部分原因是他们了解当前使用的模型的优缺点,知道在什么情况下某些模型表现良好,而其他模型可能存在偏差。」

另一个挑战是人工智能模型的「黑箱」性质。与传统的物理模型不同,人工智能模型的内部工作原理往往难以解释或复制,这对于需要严格科学验证的气候研究来说是个问题。

此外,气候科学家们也指出,如果模型仅基于历史数据进行训练,可能会在预测由气候变化引起的前所未有的现象时遇到困难。

希尔认为,虽然许多天气预报领域的人工智能怀疑论者已经被最近的发展所说服,但发展速度之快让学界难以跟上。

他说:「我感觉每两个月就有谷歌、英伟达或华为发布一个新模型。」

事实上也的确如此。2023 年 7 月,华为发布了盘古气象模型,其研究成果发表于 Nature 上;2023 年 11 月,谷歌 DeepMind 公布了基于机器学习的天气预测模型 GraphCast,成果发表在 Science 上;2024 年 3 月,英伟达推出了「地球 2 号」数字孪生平台,用于对地球气候变化进行测估。

值得一提的是,NeuralGCM 将以开源形式发布。这一决定不仅有利于气候科学家的研究,也为更广泛的科技社区提供了参与和改进这一模型的机会。

可以预见的是,随着人工智能技术在天气和气候预测领域的快速发展,学界和业界都将继续积极探索其应用潜力。

参考资料:

https://www.nature.com/articles/s41586-024-07744-y

https://research.google/blog/fast-accurate-climate-modeling-with-neuralgcm/

https://www.technologyreview.com/2024/07/22/1095184/a-new-weather-prediction-model-from-google-combines-ai-with-traditional-physics/

https://www.newscientist.com/article/2439849-google-ai-slashes-computer-power-needed-for-weather-forecasts/

运营/排版:何晨龙