谷歌 DeepMind 的 GenCast 能够以 97.2% 的概率比现有模型更准确地预测 15 天后的天气,并通过 50 多种情景预警高温、飓风等风险。
想象一下。 假设您正在策划两周后在户外举行的一场珍贵的家庭婚礼,或者是一场有数万人参加的大型地方节日。最大的担忧无疑是“天气”。“万一下雨怎么办?如果突然遭遇酷暑,那就危险了……”这种担忧。到目前为止,气象预报在一周后准确性就会大幅下降,两周后的天气实际上是属于“听天由命”的范畴。但现在,谷歌 DeepMind 推出的新 AI 气象预报员 GenCast 来了,旨在为我们排忧解难。
为什么这很重要?
气象预报不仅仅是决定早上是否要带伞。毫无预兆而来的飓风、破纪录的高温或突如其来的强风,都会造成巨大的人员伤亡和沉重的经济损失。GenCast 具备了提前 15 天 就能非常精确地预测这些极端天气现象风险的能力 [来源标题]。
特别是对于国家或地方政府来说,如果能提前几天获知飓风的路径,就能赢得下达疏散令或安装防护墙等“黄金时间” [来源标题]。此外,太阳能和风能等可再生能源受天气影响极大,通过 GenCast 制定能源供应计划,可以实现更高效的运营 [来源标题]。事实上,已经证明 GenCast 在预测极端气温变化或强风方面,始终能提供比现有系统更高的经济价值 [来源标题]。
通俗易懂:GenCast 的两大秘诀
GenCast 是如何比以前的模型更聪明地预测天气的呢?其秘密主要在于两项创新技术。
1. “五十个人的智慧胜过一个独断的专家”(集合模型)
传统的气象预报模型主要是 确定性(Deterministic) 方式。简单来说,就是在计算海量数据后,给出一个单一的结果,比如“明天下午 2 点将准确降雨 0.5 毫米”。这就像一位气象学家盲目相信自己的计算并给出唯一答案 [来源标题]。
相比之下,GenCast 使用的是 概率性(Probabilistic) 模型。这被称为“集合(Ensemble,同时运行多个预测模型并比较结果的方式)”,GenCast 为了进行一次预报,会同时模拟 50 种以上不同的情景 [来源标题]。
比喻来说,就是让 50 位专家各自预测未来,然后综合他们的意见。如果 50 人中有 45 人说“两周后很有可能发生台风”,我们就能获得更立体、更具参考价值的信息。我们甚至能预见到可能发生的“最坏情况”。
2. “将雾中的景象变为清晰的高清照片”(扩散模型)
GenCast 使用了一种名为 扩散(Diffusion-based) 模型的独特技术 [来源标题]。这与 Midjourney 或 DALL-E 等最新图像生成 AI 使用的技术原理相同。
最初,数据处于团块状的模糊噪声状态(不确定的大气状态),但 AI 根据学习的大量历史气象数据,分步骤地精确消除这些噪声。这一过程就像雕刻家从粗糙的石块中雕刻出精美的雕像一样,最终绘制出分辨率高达 0.25 度的精密气象图 [来源标题]。
现状:超越“气象预报的终极挑战”
GenCast 的性能已正式获得学术界巅峰期刊 《自然》(Nature) 的认可 [来源标题]。
更令人惊讶的是实际测试结果。GenCast 与目前被评价为全球最准确的 欧洲中期天气预报中心 (ECMWF) 的 ENS 系统 正面交锋,并判定获胜 [来源标题]。从具体指标来看,在 15 天预报测试中,GenCast 在高达 97.2% 的情况下表现优于传统方式 [来源标题]。
这意味着,人工智能已成功克服了长期以来被视为气象学标准的“数值天气预报(Numerical Weather Prediction,利用计算机模拟物理定律的方式)”的局限性 [来源标题]。
未来会怎样?
我们现在不再会抱怨“天气变幻莫测,难以预料”,而是会问:“在 AI 提出的 50 个情景中,最可能的风险是什么?”
GenCast 将改变我们的未来:
- 更快更准的警报:提前一周以上掌握台风或飓风的路径,从而大幅减少人员伤亡 [来源标题]。
- 产业现场的创新:在确定农作物播种时间、优化船舶航线以及稳定运营电网等天气敏感行业中,节省天文数字般的成本 [来源标题]。
- 系统的风险管理:不仅仅是说“会热”,而是通过具体的概率指标,如“发生致命热浪的概率为 85%”,来保护市民的安全 [来源标题]。
GenCast 正在开启气象预报的新纪元。现在,15 天后的天气也不再仅仅是“听天由命”的范畴,而是我们可以提前预防和管理的领域。
AI 的视角
气象预报就像是解决数据与物理定律之间复杂的谜题。在这一过程中,GenCast 充分发挥了超越人类极限的 AI 强大的统计分析能力。这种通过“集合”这一智慧协作方式解决不确定性的技术,有望成为保护面临气候变化巨大挑战的人类最坚实的盾牌。
参考资料
- GenCast 以前沿精度预测天气及极端条件风险…
- 机器学习概率天气预报 - Nature
- GenCast 以前沿精度预测天气及极端条件风险…
- GenCast:基于扩散的中期天气集合预报
- 走进谷歌 GenCast:了解气象预报中的 AI
- 谷歌 AI 提升天气准确性 - LinkedIn
- GenCast:重塑气象预报的新 AI 模型
- GenCast 预测天气及极端条件风险…
- 谷歌 DeepMind 的 GenCast 提供更好的气象预报
-
[谷歌 GenCast:AI 气象预报的新时代 Communeify](https://www.communeify.com/en/blog/google-gencast-ai-weather-prediction-revolution/) - 谷歌 DeepMind 通过 AI 驱动的 GenCast 重塑气象预报… - The Watchers
- GenCast 以前沿精度预测天气及极端条件风险…
- 生成式人工智能及其对天气和气候风险管理的影响
- 谷歌推出 GenCast 气象 AI - The Story Thailand
事实核查摘要
- 已核查主张:19
- 已验证主张:18
- 结论:通过
- 仅提供一个最佳估算值
- 提供 50 多个不同的预测情景(集合)
- 仅告知是否会下雨
- 3天
- 7天
- 15天
- 大约有 50% 的概率更准确
- 在约 97.2% 的情况下表现更优
- 准确度低于传统模型