没有人能完全预测 人工智能 行业将把 我们带向何方，但至少人工智能已经准备好可靠地告诉你到达那里时的天气会是什么样子。（相对而言。）根据 11 月 14 日发表在 《科学》 杂志上的一篇论文，一个名为 GraphCast 的新的人工智能驱动的 10 天气候预报程序，几乎在所有情况下都优于现有的预测工具。这项开源技术甚至在识别和描绘潜在的 危险天气事件 方面显示出希望——同时仅使用了“黄金标准”系统一小部分的计算能力。
GraphCast 团队成员 Remi Lam 周二在 一份声明 中表示：“天气预报是最古老、最具挑战性的科学事业之一。中期预报对于支持从可再生能源到活动后勤等各个领域的关键决策至关重要，但很难做到准确和高效。”
[相关：聆听披头士乐队使用人工智能录制的“新”歌曲《Now and Then》。]
该技术由 Lam 和他在 谷歌 DeepMind（这家科技公司的人工智能研究部门）的同事开发。GraphCast 在数十年的历史天气信息以及约 40 年的卫星、气象站和雷达再分析数据的基础上进行训练。这与所谓的 数值天气预报 (NWP) 模型形成了鲜明对比，后者传统上利用了大量关于热力学、流体动力学和其他大气科学的数据。所有这些数据都需要强大的计算能力，而计算能力本身则需要强大且昂贵的能源来处理所有这些数字。除此之外，NWP 的速度也很慢——需要超级计算机内的数百台机器花费数小时才能生成其 10 天的预报。
与此同时，GraphCast 通过谷歌的人工智能驱动的机器学习 张量处理单元 (TPU) 机器之一，在不到一分钟的时间内提供高度准确的中期气候预测。
在与行业标准 NWP 系统——高分辨率预报 (HRES)——进行全面性能评估期间，GraphCast 在超过 90% 的测试中表现出更准确的结果。当将范围仅限于地球的对流层（大气中发生大多数明显天气事件的最低部分）时，GraphCast 在惊人的 99.7% 的测试变量中击败了 HRES。谷歌 DeepMind 团队对新程序在未经过任何训练的情况下识别危险天气事件的能力印象深刻。通过上传飓风追踪算法并将其集成到 GraphCast 的现有参数中，人工智能驱动的程序能够立即更准确地识别和预测风暴的路径。
9 月份，GraphCast 通过 HRES 的组织——欧洲中期天气预报中心 (ECMWF)——首次公开亮相。在此期间，GraphCast 准确预测了 飓风“李”号 在登陆新斯科舍九天前的轨迹。现有的预报程序不仅准确性较低，而且只提前六天确定了“李”号登陆新斯科舍的地点。
[相关：与 40 年前相比，大西洋飓风正在以更快的速度增强。]
Lam 周二写道：“在天气预报中开创人工智能的应用将使数十亿人的日常生活受益。”他指出，在气候 崩溃 导致越来越 具破坏性的事件 的情况下，GraphCast 具有潜在的重要意义。
Lam 继续说道：“在我们日益变暖的世界里，预测极端温度变得越来越重要。GraphCast 可以预测任何给定地点的气温何时会超过历史最高温度。这对于预测热浪特别有用，热浪是变得越来越普遍的破坏性和危险事件。”
谷歌 DeepMind 的 GraphCast 已通过其 开源代码 提供，ECMWF 计划继续 尝试 将人工智能驱动的系统集成到其未来的预报工作中。
