正如強冷鋒的激勵作用那樣，天氣預測界正在醞釀重大變革。而最終目標無疑是革命性的：基于人工智能的全新天氣預測方法，可以在一臺桌面電腦上運行。
如今的人工智能系統(tǒng)需要大量數(shù)據(jù)來運行。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，訓練效果越好，結果也越精準。
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侵權訴訟。隨著數(shù)據(jù)的枯竭，AI模型的運營者開始轉向合成數(shù)據(jù)等新思路，以繼續(xù)提升用戶體驗。
如果數(shù)據(jù)為王，那么類似于大型語言模型的AI技術還有哪些應用領域可以挖掘？過去18個月中，天氣預測成為一個極具潛力的領域，并且近期的進展在氣象學界引起了巨大反響。
原因在于一個秘密武器：一個極為豐富的數(shù)據(jù)集。歐洲中期天氣預報中心(ECMWF)是全球數(shù)值天氣預報的頂級機構，維護著一個關于大氣、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、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應用而創(chuàng)建，但它在這一領域展現(xiàn)出極大的價值。計算機科學家自2022年開始認真利用這個數(shù)據(jù)集來訓練AI模型進行天氣預測。自那時以來，技術進展迅速。在某些情況下，這些AI模型的輸出已經(jīng)優(yōu)于科學家們花費數(shù)十年設計和構建的全球天氣模型，而這些傳統(tǒng)模型需要世界上最強大的超級計算機來運行。
“機器學習顯然是天氣預測未來的重要組成部分，”負責ECMWF AI預測工作的Matthew Chantry在接受Ars采訪時表示。
John Dean和Kai Marshland在2010年代末期在斯坦福大學讀本科時相識。Dean是電氣工程師，2017年夏天在SpaceX實習。Marshland是計算機科學家，下一年夏天在發(fā)射公司實習。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，是全球天氣預報模型的一大障礙。公司的解決方案正如其名——風載。
Dean和Marshland開始設計小型氣象氣球，可以釋放到大氣中，并在全球飛行長達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或衛(wèi)星捕捉的大氣條件數(shù)據(jù)，如溫度、露點和氣壓等讀數(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行幾個小時。因此，美國國家氣象局每天僅在美國約100個地點兩次發(fā)射這些氣球。
Dean和Marshland開發(fā)了更小的氣球，每個氣球重量不足6磅，設計用于在大氣中持續(xù)數(shù)周。通過每天發(fā)射數(shù)百個氣球，隨著時間的推移，他們可以收集全球的數(shù)據(jù)。Marshland表示，WindBorne現(xiàn)在運營著全球最大的氣象氣球星座。
為了測試這些氣球數(shù)據(jù)在預測模型中的同化，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預測，因為基于復雜計算物理的傳統(tǒng)模型需要極其龐大的計算能力。
“當我們開始開發(fā)AI預測時，我并不認為它會是一個更準確的模型，”Dean說?！斑@是一種節(jié)約計算能力的方法。一臺配有高性能GPU的桌面電腦就可以運行。這相比于全球預測模型所需的計算能力來說，簡直是瘋狂的?！?/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算資源下運行，還能快速生成高質(zhì)量的預測結果。
AI模型的優(yōu)勢
AI模型的主要優(yōu)勢之一是其能夠快速處理和分析大量數(shù)據(jù)。傳統(tǒng)的天氣預報模型依賴于復雜的物理方程和大量的計算資源，這需要強大的超級計算機來運行。而AI模型則可以通過學習歷史數(shù)據(jù)和識別模式來生成預測，這大大減少了計算時間和資源。
此外，AI模型能夠自我改進。通過不斷地吸收新數(shù)據(jù)，AI模型可以逐漸提高預測的準確性。這種自我學習的能力使得AI模型在處理復雜和動態(tài)的天氣系統(tǒng)時具有獨特的優(yōu)勢。
盡管AI模型已經(jīng)展示了巨大的潛力，但氣象學家和計算機科學家們?nèi)栽诓粩喔倪M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、衛(wèi)星數(shù)據(jù)和氣象氣球數(shù)據(jù)，以進一步提高預測的精度。
此外，團隊們還在研究如何應對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測性，對任何預測模型來說都是巨大的挑戰(zhàn)。通過增加訓練數(shù)據(jù)的多樣性和改進模型的算法，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技術的不斷進步，天氣預測領域有望迎來更多的創(chuàng)新和變革。AI模型不僅可以提高預測的準確性，還可以大大減少預測的時間和成本。這將為農(nóng)業(yè)、交通、能源等多個行業(yè)帶來深遠的影響。
同時，AI天氣預測技術的普及也將提升公眾對天氣預報的信任度和依賴性。更準確、更及時的天氣預報將幫助人們更好地應對自然災害，減少生命財產(chǎn)損失。
總之，AI天氣預測代表了科技與自然科學結合的一個重要里程碑。隨著技術的不斷成熟，我們有理由期待一個更加智能和可靠的天氣預報未來。
本文譯自 Ars Technica，由 BALI 編輯發(fā)布。
（免責聲明：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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
