自20世紀(jì)80年代以來(lái)，隨著超級(jí)計(jì)算機(jī)技術(shù)的實(shí)用化，天氣預(yù)報(bào)的精度越來(lái)越高。

天氣預(yù)報(bào)是基于觀測(cè)到的溫度、氣壓等數(shù)據(jù)，通過(guò)計(jì)算大氣運(yùn)動(dòng)和水蒸氣流動(dòng)等物理變化來(lái)進(jìn)行預(yù)測(cè)的。超級(jí)計(jì)算機(jī)的出現(xiàn)使得進(jìn)行大量計(jì)算成為可能，從而極大地提高了天氣預(yù)報(bào)的準(zhǔn)確率。這種方法被稱(chēng)為“數(shù)值天氣預(yù)報(bào)”（NWP），但它的問(wèn)題是需要消耗大量的計(jì)算時(shí)間。比如，預(yù)測(cè)10天后的天氣，就需耗費(fèi)數(shù)小時(shí)的計(jì)算時(shí)間。

 圖片來(lái)源于網(wǎng)絡(luò) 

1  1分鐘就能完成10天后的天氣預(yù)測(cè)?

AI作為解決這一問(wèn)題的技術(shù)，正在引起人們的關(guān)注。例如，GraphCast是Google DeepMind于2023年11月推出的氣象預(yù)測(cè)AI，只需1分鐘就能預(yù)測(cè)10天后的天氣。而且，其預(yù)測(cè)精度超過(guò)了歐洲中期天氣預(yù)報(bào)中心（ECMWF）使用高分辨率預(yù)報(bào)系統(tǒng)（high-resolution forecasts，HRES）提供的傳統(tǒng)天氣預(yù)報(bào)。

 圖源：pixabay 

2   GraphCast為何這么強(qiáng)？

GraphCast基于ECMWF公開(kāi)的過(guò)去40年的龐大氣象數(shù)據(jù)，自主建立了全球范圍內(nèi)的氣象模式和規(guī)律的模型。這樣就不需要像過(guò)去那樣根據(jù)物理法則進(jìn)行復(fù)雜的數(shù)值計(jì)算，大大縮短了計(jì)算時(shí)間。

GraphCast還采用了“圖神經(jīng)網(wǎng)絡(luò)”（graph neural network,GNN）的深度學(xué)習(xí)技術(shù)。它學(xué)習(xí)不同地點(diǎn)之間的關(guān)系，并將其應(yīng)用于天氣預(yù)報(bào)。例如，它可以精準(zhǔn)地預(yù)測(cè)一個(gè)地點(diǎn)的氣壓變化將如何影響遠(yuǎn)處地點(diǎn)的氣壓。通過(guò)這一方法，才使我們能夠?qū)植刻鞖庾龀鲱A(yù)報(bào)。

3   還能預(yù)測(cè)長(zhǎng)期的氣象變化？

AI不僅能用于中短期天氣預(yù)測(cè)，而且能用于建立預(yù)測(cè)幾十年長(zhǎng)期氣候變化的模型。目前，長(zhǎng)期天氣預(yù)測(cè)主要依賴一種被稱(chēng)為“大氣環(huán)流模型”（general circulation model，GCM）的模型，它通過(guò)物理法則計(jì)算全球的大氣和海洋運(yùn)動(dòng)。盡管如此，這一過(guò)程仍需要超級(jí)計(jì)算機(jī)投入大量的計(jì)算時(shí)間，并且還面臨著無(wú)法精確模擬云的形成和降水等小尺度現(xiàn)象的挑戰(zhàn)。

4   NeuralGCM又是什么？

Google Research于2024年7月發(fā)布了一種將GCM與機(jī)器學(xué)習(xí)技術(shù)相結(jié)合的新型氣象預(yù)測(cè)模型——NeuralGCM。這種模型利用AI（深度學(xué)習(xí)）彌補(bǔ)了傳統(tǒng)物理模型（如GCM）在預(yù)測(cè)小規(guī)模氣象現(xiàn)象上的不足，從而顯著提升了預(yù)測(cè)精度。例如，它能夠比以前的一些物理模型更準(zhǔn)確地再現(xiàn)過(guò)去40年（1980～2020）的全球氣溫變化。

圖片來(lái)源于網(wǎng)絡(luò)

此外，進(jìn)行2020年全年的氣候模擬時(shí)，該模型幾乎精確地預(yù)測(cè)了熱帶氣旋（如臺(tái)風(fēng)）的路徑和發(fā)生頻率。在計(jì)算時(shí)間上，與傳統(tǒng)的物理模型需要19天才能完成模擬相比，NeuralGCM僅用8分鐘就完成了任務(wù)。這表明NeuralGCM在精度和計(jì)算速度兩個(gè)方面，均優(yōu)于多個(gè)傳統(tǒng)模型。

隨著全球變暖的加劇，臺(tái)風(fēng)、暴雨、酷暑等異常氣象的發(fā)生概率將顯著增加。這些現(xiàn)象通常會(huì)在短時(shí)間內(nèi)發(fā)生在局部地區(qū)，因此，擅長(zhǎng)預(yù)測(cè)小規(guī)模氣象過(guò)程的AI技術(shù)變得尤為關(guān)鍵。人們期待，從現(xiàn)在起AI能夠成為減少災(zāi)害發(fā)生的重要手段。