谷歌人工智能在快速、准确的天气预报方面击败了超级计算机
下次当你对预报出错的天气翻白眼时，请记住，预测天气是科学中最复杂的问题之一。现在，谷歌已经让人工智能发挥了天气预报员的作用，并证明了在一台机器上只需一分钟，它就可以提前最多10天做出准确的预测，而这项任务通常需要一屋子的超级计算机花费几个小时才能完成。
著名的蝴蝶效应假设，风暴是否会酝酿，可能会受到世界另一端一只蝴蝶扇动翅膀这样小的东西的影响。天气预报的工作就是把所有这些众所周知的蝴蝶弄成准确的模型，告诉你是否应该继续计划下周六的野餐。
这样做涉及到所谓的数值天气预报（NWP），它使用世界各地的当前天气观测作为输入数据，并通过在超级计算机上运行的复杂物理方程进行运算。但现在，谷歌推出了一款名为“GraphCast”的人工智能系统，它可以在不那么强大的硬件上更快地处理数据。
这个人工智能是根据40年来的天气再分析数据进行训练的，这些数据是由卫星图像、雷达和气象站收集的。GraphCast获取六小时前的天气状态和当前状态，然后使用其宝贵的数据来预测六小时后的天气状态。在此基础上，它可以以6小时为增量向前预测，建立长达10天的预测。
GraphCast在地球表面的100多万个网格点上进行这项工作，每个网格点的经纬度为0.25度。在每一个点上，该模型都考虑了地表的五个变量，如温度、压力、湿度、风速和方向，以及37个不同高度的大气中的六个变量。
在测试中，GraphCast在一台谷歌TPU v4机器上运行，并与当前天气预报的黄金标准：一个在超级计算机上运行的名为“高分辨率预报（HRES）”的模拟系统，进行了比较。GraphCast能够在一分钟内做出10天的预测，并且在90%的测试变量和预测提前期上比HRES更准确。当这些模型聚焦于对流层时，GraphCast在99.7%的情况下表现优于HRES。对流层是大气的最低层，准确的预测在日常生活中最为有用和适用。
更令人印象深刻的是，GraphCast展示了比HRES更早识别恶劣天气事件的能力 —— 尽管它没有经过专门的训练。在一个现实世界的例子中，人工智能准确地预测了飓风将提前9天登陆的地方，而传统的预测只能提前6天确认。
谷歌表示，GraphCast的代码是开源的，允许世界各地的科学家对其进行实验，并将其纳入日常天气预报。这种数字处理感觉像是人工智能的完美工作，这样他们就可以把艺术和写作留给我们人类。
这项研究发表在《科学》杂志上。
如果朋友们喜欢，敬请关注“知新了了”！