得益于 DeepMind，人工智能的表现超越了我们最好的天气预报技术

气候学家花了几十年的时间收集有关全球各地天气变化的数据。比如欧洲中期天气预报中心（ECMWF）开发的ERA5，记录了1950年以来的气候，是对地球随时间变化的一种模拟，记录了风速、温度、气压，以及其他变量，每小时。

谷歌的 DeepMind 本周预示着一个转折点，即利用所有这些数据来进行廉价的天气预测。DeepMind 的科学家们在单个人工智能芯片——谷歌的张量处理单元（TPU）上运行，能够运行一个比在超级计算机上运行的传统模型更准确地预测天气状况的程序。 DeepMind 的论文发表在下周出版的学术期刊《科学》杂志上，并附有一篇员工文章，将这篇论文比作天气预报“革命”的一部分。 

请注意，根据主要作者 Remi Lam 和 DeepMind 的同事的说法，GraphCast（该程序的名称）并不能替代传统的预测模型。相反，他们将其视为现有方法的潜在“补充”。事实上，GraphCast 成为可能的唯一原因是人类气候科学家构建了用于“重新分析”的现有算法，也就是说，回到过去并编译 ERA5 的大量日常数据。如果没有创建世界天气模型的精确努力，就不会有 GraphCast。
Lam 和团队面临的挑战是获取一些 ERA5 天气​​记录，看看他们的程序 GraphCast 是否能够比天气预报的黄金标准（一个名为 HRES 的系统，也是由 ECMWF 开发）更好地预测一些看不见的记录。

HRES 代表高分辨率预报，可预测世界各地未来 10 天的天气，只需一小时的工作量，面积约为 10 平方公里。HRES 的实现得益于研究人员数十年来开发的数学模型。Lam 和团队写道，HRES 是“由训练有素的专家改进的”，虽然很有价值，但“可能是一个耗时且昂贵的过程”，并且需要花费数百万美元的超级计算机的成本。 
问题是人工智能的深度学习形式是否可以与人类科学家创建的模型与自动生成的模型相匹配。

GraphCast 获取温度和气压等天气数据，并将其表示为地球上方形区域的单个点。该单个点通过所谓的“边缘”与邻近地区的天气状况相关联。想想 Facebook 社交图谱，每个人都是一个点，他们通过一条线与朋友联系起来。地球的大气层变成了一堆点，每个正方形区域都由代表每个区域的天气与其邻近区域的关系的线连接起来。这就是 GraphCast 中的“图”。从技术上讲，这是深度学习人工智能的一个成熟领域，称为图神经网络。训练神经网络来识别点和线之间的关系，以及这些关系如何随时间变化。 

借助 GraphCast 神经网络，Lam 和团队输入了 39 年的 ERA5 气压、温度、风速等数据，然后测量了它对 10 天内接下来发生的情况的预测效果，进行比较到 HRES 计划。 
32 个 TPU 芯片协同工作需要一个月的时间才能根据 ERA5 数据训练 GraphCast；这就是神经网络的训练过程，其中神经网络的参数（或神经“权重”）被调整到可以可靠地做出预测的程度。然后，一组已预留的 ERA5 数据（即众所周知的“保留”数据）被输入到程序中，以查看经过训练的 GraphCast 是否可以根据数据点预测这些点将如何变化超过十天——有效地预测模拟数据中的天气。

作者观察到，在 90% 的预测任务中，“GraphCast 显着优于”HRES。GraphCast 在预测极热和极冷发展的形状方面也能够胜过 HRES。他们注意到，与表面天气变化相比，HRES 在与平流层有关的预测方面做得更好。重要的是要认识到 GraphCast 并没有主动预测生产中的天气。它擅长的是利用先前已知的天气数据而不是实时数据进行对照实验。

Lam 和团队指出，GraphCast 的一个有趣的限制是，当超出 10 天的期限时，它就会出错。正如他们所写，“交货时间越长，不确定性就越多。” 当事情变得更加不确定时，GraphCast 就会变得“模糊”。这表明他们必须对 GraphCast 进行更改，以应对较长时间范围内更大的不确定性，最有可能是通过制作重叠的预测“集合”。Lam 和团队写道：“建立更明确地模拟不确定性的概率预测……是至关重要的下一步。”
有趣的是，DeepMind 对 GraphCast 抱有很大的野心。GraphCast 不仅是他们期望的气候模型系列之一，而且是更广泛的模拟兴趣的一部分。该程序对全局数据进行操作，模拟随时间推移发生的情况。林和团队建议，可以通过这种方式绘制和预测其他现象，而不仅仅是天气。

他们写道：“GraphCast 可以为其他重要的地理时空预测问题开辟新的方向，包括气候和生态、能源、农业、人类和生物活动，以及其他复杂的动力系统。“我们相信，经过丰富的真实世界数据训练的学习模拟器对于推进机器学习在物理科学中的作用至关重要。”

原文链接：https://www.zdnet.com/article/ai-is-outperforming-our-best-weather-forecasting-tech-thanks-to-deepmind/