Google DeepMind 与 Google Research 的研究人员发布了一款名为 WeatherNext 3 的新型 AI 天气预报模型，该模型在关键气象变量上的预测准确度已超越当前所有主流 AI 模型和传统数值预报方法，预报频率可达每 6 小时一次。
Google DeepMind 与 Google Research 的研究人员发布了一款全新的气象人工智能模型，该模型能够以显著提升的准确度预测天气。WeatherNext 3 是深度学习技术带来的气象学变革的最新一波浪潮，也是该领域最前沿的突破。
Google DeepMind 研究科学家 Daniel Rothenberg 告诉 TechCrunch："这将是首次，一些核心变量将输入并驱动我们许多 Google 产品，包括搜索和地图。"
新模型已在 Operational Weather Forecasting 测试中证明，在参与测试的领先竞争者中准确度最高。该模型在 2 米气温、10 米风速、总降水量和海平面气压等关键地表变量的预测中，均表现出最高水平。
不仅如此，WeatherNext 3 还击败了 Google、Microsoft、Nvidia 和欧洲中期天气预报中心（ECMWF）此前构建的其他深度学习模型。在测试中，该模型在 90% 以上的关键变量上表现优于传统 ECMWF 数值预报系统。
大多数天气预报来自政府拥有的超级计算机，通过繁复的数学计算求解物理方程。但过去几年，AI 模型已开始展示出以更低计算成本提供更准确预测的能力。2023 年，Google DeepMind 的 GraphCast 引发轰动，证明了 AI 可以超越传统方法。
Rothenberg 表示："天气是混沌的，因此微小的差异就会开始产生巨大扰动。机器学习模型的目标是尽可能准确地预测平均值，而传统模型则试图捕捉所有极端情况。"
自那以后，模型开发者们一直在攻克 AI 预报模型的几个关键弱点：它们往往难以预测极端事件、随着时间推移准确性下降，且对部分变量（如风速）的预测不如其他变量准确。
WeatherNext 3 同时解决了以上三个挑战。研究人员告诉 TechCrunch，在关键变量上，该模型可以提前三天提供准确预报，精度达到 48 小时的典型水平。
这些改进源自设计者做出的特定选择。WeatherNext 3 是一个大型 transformer 模型，但它并非仅仅将所有数据输入一个巨型模型，而是采用了一种"混合"方法，由一个基础模型和一个专门处理表面变量的"插件"模型组成。
这次，设计者还训练模型针对特定的天气数据变量进行预测，而不是试图一次性预测所有变量。Rothenberg 说："许多 AI 应用的思路，是尽可能以端到端的方式运行任务。但如果你希望模型在特定变量上表现良好，直接针对该变量进行训练会更有帮助。"
该模型能够更频繁地进行预报，因为它可以每 6 小时吸收一次气象卫星收集的观测数据，而传统预报系统通常每小时仅更新一次。
Google 表示，WeatherNext 3 是首个直接利用原始观测数据实现高分辨率全球预报的 AI 模型，可以捕捉到其他模型可能遗漏的天气模式。
虽然大语言模型（LLM）吸引了大部分关注，但 transformer 革命在气象学领域同样意义深远。Bill Gates 最近将 AI 驱动的天气预报列为该技术的关键益处之一，指出其在农业和救灾中的重要性。
Rothenberg 说："归根结底，我认为 Google 的使命是向用户提供有用的信息，而天气信息显然是非常重要的信息之一。"
来源：TechCrunch
