正如強(qiáng)冷鋒的激勵(lì)作用那樣，天氣預(yù)測(cè)界正在醞釀重大變革。而最終目標(biāo)無疑是革命性的：基于人工智能的全新天氣預(yù)測(cè)方法，可以在一臺(tái)桌面電腦上運(yùn)行。
如今的人工智能系統(tǒng)需要大量數(shù)據(jù)來運(yùn)行。例如，大型語言模型如ChatGPT需要海量數(shù)據(jù)來改善回答質(zhì)量。數(shù)據(jù)越多、質(zhì)量越高，訓(xùn)練效果越好，結(jié)果也越精準(zhǔn)。
然而，互聯(lián)網(wǎng)上的高質(zhì)量數(shù)據(jù)是有限的。這些大型語言模型已經(jīng)消耗了如此多的數(shù)據(jù)，以至于面臨廣泛的版權(quán)侵權(quán)訴訟。隨著數(shù)據(jù)的枯竭，AI模型的運(yùn)營(yíng)者開始轉(zhuǎn)向合成數(shù)據(jù)等新思路，以繼續(xù)提升用戶體驗(yàn)。
如果數(shù)據(jù)為王，那么類似于大型語言模型的AI技術(shù)還有哪些應(yīng)用領(lǐng)域可以挖掘？過去18個(gè)月中，天氣預(yù)測(cè)成為一個(gè)極具潛力的領(lǐng)域，并且近期的進(jìn)展在氣象學(xué)界引起了巨大反響。
原因在于一個(gè)秘密武器：一個(gè)極為豐富的數(shù)據(jù)集。歐洲中期天氣預(yù)報(bào)中心(ECMWF)是全球數(shù)值天氣預(yù)報(bào)的頂級(jí)機(jī)構(gòu)，維護(hù)著一個(gè)關(guān)于大氣、陸地和海洋天氣數(shù)據(jù)的龐大數(shù)據(jù)集，涵蓋了自1940年以來，每天、每隔數(shù)小時(shí)、全球各地的數(shù)據(jù)。自全球衛(wèi)星覆蓋開始的過去50年數(shù)據(jù)尤其豐富。這個(gè)數(shù)據(jù)集被稱為ERA5，并且是公開可用的。
盡管ERA5并非為AI應(yīng)用而創(chuàng)建，但它在這一領(lǐng)域展現(xiàn)出極大的價(jià)值。計(jì)算機(jī)科學(xué)家自2022年開始認(rèn)真利用這個(gè)數(shù)據(jù)集來訓(xùn)練AI模型進(jìn)行天氣預(yù)測(cè)。自那時(shí)以來，技術(shù)進(jìn)展迅速。在某些情況下，這些AI模型的輸出已經(jīng)優(yōu)于科學(xué)家們花費(fèi)數(shù)十年設(shè)計(jì)和構(gòu)建的全球天氣模型，而這些傳統(tǒng)模型需要世界上最強(qiáng)大的超級(jí)計(jì)算機(jī)來運(yùn)行。
“機(jī)器學(xué)習(xí)顯然是天氣預(yù)測(cè)未來的重要組成部分，”負(fù)責(zé)ECMWF AI預(yù)測(cè)工作的Matthew Chantry在接受Ars采訪時(shí)表示。
John Dean和Kai Marshland在2010年代末期在斯坦福大學(xué)讀本科時(shí)相識(shí)。Dean是電氣工程師，2017年夏天在SpaceX實(shí)習(xí)。Marshland是計(jì)算機(jī)科學(xué)家，下一年夏天在發(fā)射公司實(shí)習(xí)。兩人于2019年畢業(yè)，正在思考未來的職業(yè)方向。
“我們決定要解決天氣不確定性的問題，”Marshland說，于是他們創(chuàng)立了一家公司，名為WindBorne Systems。
公司的理念很簡(jiǎn)單：地球和大氣的約85%的區(qū)域，我們沒有良好的天氣數(shù)據(jù)。缺乏高質(zhì)量的數(shù)據(jù)，無法建立初始條件，是全球天氣預(yù)報(bào)模型的一大障礙。公司的解決方案正如其名——風(fēng)載。
Dean和Marshland開始設(shè)計(jì)小型氣象氣球，可以釋放到大氣中，并在全球飛行長(zhǎng)達(dá)40天，傳回有用的大氣數(shù)據(jù)，這些數(shù)據(jù)可以打包并出售給大型、政府資助的天氣模型。
氣象氣球提供了無法通過地面觀測(cè)或衛(wèi)星捕捉的大氣條件數(shù)據(jù)，如溫度、露點(diǎn)和氣壓等讀數(shù)。這些大氣“剖面”有助于建立模型的初始條件。問題在于傳統(tǒng)的氣象氣球笨重且僅能運(yùn)行幾個(gè)小時(shí)。因此，美國(guó)國(guó)家氣象局每天僅在美國(guó)約100個(gè)地點(diǎn)兩次發(fā)射這些氣球。
Dean和Marshland開發(fā)了更小的氣球，每個(gè)氣球重量不足6磅，設(shè)計(jì)用于在大氣中持續(xù)數(shù)周。通過每天發(fā)射數(shù)百個(gè)氣球，隨著時(shí)間的推移，他們可以收集全球的數(shù)據(jù)。Marshland表示，WindBorne現(xiàn)在運(yùn)營(yíng)著全球最大的氣象氣球星座。
為了測(cè)試這些氣球數(shù)據(jù)在預(yù)測(cè)模型中的同化，WindBorne大約一年前開始開發(fā)自己的天氣模型。他們選擇嘗試AI預(yù)測(cè)，因?yàn)榛趶?fù)雜計(jì)算物理的傳統(tǒng)模型需要極其龐大的計(jì)算能力。
“當(dāng)我們開始開發(fā)AI預(yù)測(cè)時(shí)，我并不認(rèn)為它會(huì)是一個(gè)更準(zhǔn)確的模型，”Dean說。“這是一種節(jié)約計(jì)算能力的方法。一臺(tái)配有高性能GPU的桌面電腦就可以運(yùn)行。這相比于全球預(yù)測(cè)模型所需的計(jì)算能力來說，簡(jiǎn)直是瘋狂的?！?/p>
然而，不久之后，該公司的AI天氣模型WeatherMesh在在許多情況下表現(xiàn)優(yōu)于傳統(tǒng)模型。Dean和Marshland驚訝地發(fā)現(xiàn)，AI模型不僅可以在較少的計(jì)算資源下運(yùn)行，還能快速生成高質(zhì)量的預(yù)測(cè)結(jié)果。
AI模型的優(yōu)勢(shì)
AI模型的主要優(yōu)勢(shì)之一是其能夠快速處理和分析大量數(shù)據(jù)。傳統(tǒng)的天氣預(yù)報(bào)模型依賴于復(fù)雜的物理方程和大量的計(jì)算資源，這需要強(qiáng)大的超級(jí)計(jì)算機(jī)來運(yùn)行。而AI模型則可以通過學(xué)習(xí)歷史數(shù)據(jù)和識(shí)別模式來生成預(yù)測(cè)，這大大減少了計(jì)算時(shí)間和資源。
此外，AI模型能夠自我改進(jìn)。通過不斷地吸收新數(shù)據(jù)，AI模型可以逐漸提高預(yù)測(cè)的準(zhǔn)確性。這種自我學(xué)習(xí)的能力使得AI模型在處理復(fù)雜和動(dòng)態(tài)的天氣系統(tǒng)時(shí)具有獨(dú)特的優(yōu)勢(shì)。
盡管AI模型已經(jīng)展示了巨大的潛力，但氣象學(xué)家和計(jì)算機(jī)科學(xué)家們?nèi)栽诓粩喔倪M(jìn)這些模型。例如，研究人員正在探索如何更好地處理和同化多源數(shù)據(jù)，包括地面觀測(cè)、衛(wèi)星數(shù)據(jù)和氣象氣球數(shù)據(jù)，以進(jìn)一步提高預(yù)測(cè)的精度。
此外，團(tuán)隊(duì)們還在研究如何應(yīng)對(duì)AI模型在極端天氣事件中的表現(xiàn)。這些事件往往具有高度的非線性和不可預(yù)測(cè)性，對(duì)任何預(yù)測(cè)模型來說都是巨大的挑戰(zhàn)。通過增加訓(xùn)練數(shù)據(jù)的多樣性和改進(jìn)模型的算法，研究人員希望AI模型能夠在極端天氣事件中表現(xiàn)得更加可靠。
隨著AI技術(shù)的不斷進(jìn)步，天氣預(yù)測(cè)領(lǐng)域有望迎來更多的創(chuàng)新和變革。AI模型不僅可以提高預(yù)測(cè)的準(zhǔn)確性，還可以大大減少預(yù)測(cè)的時(shí)間和成本。這將為農(nóng)業(yè)、交通、能源等多個(gè)行業(yè)帶來深遠(yuǎn)的影響。
同時(shí)，AI天氣預(yù)測(cè)技術(shù)的普及也將提升公眾對(duì)天氣預(yù)報(bào)的信任度和依賴性。更準(zhǔn)確、更及時(shí)的天氣預(yù)報(bào)將幫助人們更好地應(yīng)對(duì)自然災(zāi)害，減少生命財(cái)產(chǎn)損失。
總之，AI天氣預(yù)測(cè)代表了科技與自然科學(xué)結(jié)合的一個(gè)重要里程碑。隨著技術(shù)的不斷成熟，我們有理由期待一個(gè)更加智能和可靠的天氣預(yù)報(bào)未來。
本文譯自 Ars Technica，由 BALI 編輯發(fā)布。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
