谷歌推出全新人工智能天气模型，预报速度更快、更准确

币搜网报道：

谷歌DeepMind周一推出了一款全新的人工智能天气预报系统，该系统生成全球天气预报的速度比传统工具快八倍。

被誉为随着世界不断受到气候变暖引发的频繁自然灾害的影响，该系统被定位为一种工具，可以帮助各机构更快地为严峻的形势做好准备。

为此，它从一个起点生成数百个可能的场景，每个场景都在一分钟内由单个张量处理单元 (Tensor Processing Unit) 计算得出。张量处理单元是谷歌开发的一种专用芯片，用于加速机器学习和人工智能工作负载。

“从供应链到能源网络再到作物种植规划，我们都需要依靠准确的天气预报来做出关键决策，”谷歌DeepMind研究科学家Peter Battaglia在X上写道。“人工智能正在改变我们预测天气的方式。”

跨 Google 产品部署

WeatherNext 2 天气预报已经在 Search、Gemini、Pixel Weather 等平台运行。目前仅提供天气 API，更广泛的支持将在稍后推出。

“我们正与谷歌团队合作，将 WeatherNext 集成到我们的天气预报系统中，”WeatherNext 2 产品经理 Akib Uddin 在一份声明中表示。“无论您是在使用搜索、安卓设备还是谷歌地图，天气都会影响到每个人，因此，通过提供更准确的天气预报，我们能够帮助到所有人。”

DeepMind表示，传统模型可能需要数小时才能完成，这限制了情景刷新的频率。该公司声称，通过使用先进的人工智能技术，WeatherNext 2的性能优于其早期的运行模型WeatherNext Gen。

巴塔利亚在一份声明中表示：“它的速度比我们去年发布的概率模型快了大约八倍，分辨率也提高了六倍。因此，它不再以六小时为一个时间步长，而是以一小时为一个时间步长。在我们测试的变量中，它99.9%的表现都优于之前的下一代天气模型。”

从实际意义上讲，这意味着新系统在 15 天的时间窗口内，几乎在任何地方、几乎每个点，都能更准确地预测温度、风、湿度和气压。

DeepMind 将这些成果归功于六月份一项研究中描述的一种新的建模方法。功能生成网络（FGN）改变了系统表示不确定性和生成预测变化的方式。

一种新的建模方法

根据谷歌的说法，FGN 仅使用单变量预测或“边缘值”进行训练，例如特定位置的温度、风或湿度。

尽管如此，该模型能够学习这些变量之间的相互作用，从而预测更广泛的、相互关联的模式，例如区域性热事件和气旋行为。

谷歌表示，FGN 在极端两米温度预测方面与 GenCast 的结果一致，在极端十米风速预测方面则优于 GenCast，具体取决于变量。

该模型还显示出在不同提前期内更强的校准能力，并且在对较大区域而非单个点进行预测评估时表现更佳。

该论文使用连续排名概率评分（一种标准准确度指标，用于检查模型预测结果的全部范围与实际发生的结果的接近程度）报告称，与 GenCast 相比，平均合并 CRPS 的平均改进率为 8.7%，最大合并 CRPS 的平均改进率为 7.5%。

气旋预测性能

FGN还改进了热带气旋预报。

与国际气候管理最佳路径档案中的历史路径相比，集合平均预测将位置误差减少了约 24 小时，提前期介于三日和五日预测之间。

以 12 小时时间步长运行的 FGN 版本显示出比 6 小时版本更高的误差，但在超过两天的提前期上仍然优于 GenCast。

轨道概率预测显示，在大多数成本损失率和提前期内，相对经济价值更高。

DeepMind表示，利用这项技术开发的实验性气旋预测工具已与气象机构共享。

“天气预报越准确、越快，就越有助于每个人做出正确的决定，尤其是在我们开始看到越来越多极端天气的情况下，”乌丁说。“我认为更好的天气预报有着广泛的应用前景。”