谷歌推出全新人工智能天氣模型，預報速度更快、更準確

谷歌DEEPMind週一推出了一款全新的人工智能天氣預報系統，該系統生成全球天氣預報的速度比傳統工具快八倍。

被譽為WeatherNext 2隨著世界不斷受到氣候變暖引發的頻繁自然災害的影響，該系統被定位為一種工具，可以幫助各機構更快地為嚴峻的形勢做好準備。

為此，它從一個起點生成數百個可能的場景，每個場景都在一分鐘內由單個張量處理單元 (Tensor Processing UNIt) 計算得出。 張量處理單元是谷歌開發的一種專用芯片，用於加速機器學習和人工智能工作負載。

“從供應鏈到能源網絡再到作物種植規劃，我們都需要依靠準確的天氣預報來做出關鍵決策，”谷歌DeepMind研究科學家PEter Battaglia在X上寫道。 “人工智能正在改變我們預測天氣的方式。”

跨 Google 產品部署

WeatherNext 2 天氣預報已經在 SeARch、Gemini、Pixel Weather 等平台運行。 谷歌地圖目前僅提供天氣 API，更廣泛的支持將在稍後推出。

“我們正與穀歌團隊合作，將 WeatherNext 集成到我們的天氣預報系統中，”WeatherNext 2 產品經理 Akib Uddin 在一份聲明中表示。 “無論您是在使用搜索、安卓設備還是谷歌地圖，天氣都會影響到每個人，因此，通過提供更準確的天氣預報，我們能夠幫助到所有人。”

DeepMind表示，傳統模型可能需要數小時才能完成，這限制了情景刷新的頻率。 該公司聲稱，通過使用先進的人工智能技術，WeatherNext 2的性能優於其早期的運行模型WeatherNext Gen。

巴塔利亞在一份聲明中表示：“它的速度比我們去年發布的概率模型快了大約八倍，分辨率也提高了六倍。因此，它不再以六小時為一個時間步長，而是以一小時為一個時間步長。在我們測試的變量中，它99.9%的表現都優於之前的下一代天氣模型。”

從實際意義上講，這意味著新系統在 15 天的時間窗口內，幾乎在任何地方、幾乎每個點，都能更準確地預測溫度、風、濕度和氣壓。

DeepMind 將這些成果歸功於六月份一項研究中描述的一種新的建模方法。 紙功能生成網絡（FGN）改變了系統表示不確定性和生成預測變化的方式。

一種新的建模方法

根據谷歌的說法，FGN 僅使用單變量預測或“邊緣值”進行訓練，例如特定位置的溫度、風或濕度。

儘管如此，該模型能夠學習這些變量之間的相互作用，從而預測更廣泛的、相互關聯的模式，例如區域性熱事件和氣旋行為。

谷歌表示，FGN 在極端兩米溫度預測方面與 GenCast 的結果一致，在極端十米風速預測方面則優於 GenCast，具體取決於變量。

該模型還顯示出在不同提前期內更強的校準能力，並且在對較大區域而非單個點進行預測評估時表現更佳。

該論文使用連續排名概率評分（一種標準準確度指標，用於檢查模型預測結果的全部範圍與實際發生的結果的接近程度）報告稱，與 GenCast 相比，平均合併 CRPS 的平均改進率為 8.7%，最大合併 CRPS 的平均改進率為 7.5%。

氣旋預測性能

FGN還改進了熱帶氣旋預報。

與國際氣候管理最佳路徑檔案中的歷史路徑相比，集合平均預測將位置誤差減少了約 24 小時，提前期介於三日和五日預測之間。

以 12 小時時間步長運行的 FGN 版本顯示出比 6 小時版本更高的誤差，但在超過兩天的提前期上仍然優於 GenCast。

軌道概率預測顯示，在大多數成本損失率和提前期內，相對經濟價值更高。

DeepMind表示，利用這項技術開發的實驗性氣旋預測工具已與氣象機構共享。

“天氣預報越準確、越快，就越有助於每個人做出正確的決定，尤其是在我們開始看到越來越多極端天氣的情況下，”烏丁說。 “我認為更好的天氣預報有著廣泛的應用前景。”