人工智慧
Google DeepMind AI 模型勝過「歐洲黃金標準」，能更準確預測天氣
GraphCast 是使用一種稱為圖像化神經網路（graph neural network）的機器學習架構，自過去 40 多年 ECMWF 的資料學習天氣資訊，可在一台 Google TPU v4 雲端電腦上於 1 分鐘內產生全球各地的地點未來 10 天的天氣預測，作為對比，使用超級電腦的傳統預測的方法則需要數小時。
人工智慧（AI）又在新的領域擊敗了人類！這次是天氣預報。Google DeepMind 研究人員近日在論文中指出，其 GraphCast AI 模型是天氣預報的一個「轉折點」。
有多項評估指出，GraphCast 比在歐洲中期天氣預報中心（European Centre for Medium-range Weather Forecasts，ECMWF）內運行、世界領先的天氣預報系統在未來 10 天內的預測上更加精準，ECMWF 又被視為「黃金標準」。
結果顯示，GraphCast 在 1380 個指標中有 90% 都優於 ECMWF，包括預測不同大氣層的溫度、壓力、風速、風向以及溼度等。GraphCast 的準確度比歐洲模型高出約 10%。此外 GraphCast 還能預測熱帶氣旋、大氣河流、熱浪和寒潮等極端事件。
ECMWF 機器學習協調員 Matthew Chantry 表示，這幾年氣象領域中的 AI 進步得比他們之前預期的還要快上許多，令人印象深刻。
ECMWF 是一家總部位於英國雷丁的政府機構，一直以來都在使用包括 DeepMind、NVIDIA 以及華為的 AI 模型以及自家的整合預測系統來進行即時預測。Chantry 認同 DeepMind 的說法，他指出 GraphCast 的確是最準確的系統，比華為的盤古氣象、NVIDIA 的 FourCastNet 都更加準確。
GraphCast 是使用一種稱為圖像化神經網路（graph neural network）的機器學習架構，自過去 40 多年 ECMWF 的資料學習天氣資訊，可在一台 Google TPU v4 雲端電腦上於 1 分鐘內產生全球各地的地點未來 10 天的天氣預測，作為對比，使用超級電腦的傳統預測的方法則需要數小時。
Chantry 指出，GraphCast 在經過訓練之後的運作成本非常低，在能源消耗部分，甚至可以便宜 1000 倍，他形容，「這是奇蹟般的進步。」
在實際應用上，Chantry 也成功預測 9 月北大西洋的颶風 Lee，該 AI 模型在颶風登陸的 9 天前就成功且正確地做出預測，而一般傳統的方法最多僅能預測 6 天，等於多給人們 3 天的時間為颶風的到來做好準備。
訓練資料較少，AI 模型能預測極端天氣狀況嗎？
值得注意的是，英國氣象局也在 10 月宣布與英國 AI 研究中心艾倫圖靈研究所（Alan Turing Institute）合作，開發自己的天氣預報圖像化神經網路，並將其納入現有的超級電腦中。
英國氣象局科學主任 Simon Vosper 認為，這種 AI 系統只接受過先前天氣條件的訓練，那麼這些系統是否能應對新的極端天氣狀況，就值得接受公平的質疑。因此英國氣象局將把 AI 與傳統電腦模型相互結合，發揮最佳效果，「我們相信這種技術的結合將在這個急遽變化的時代提供最可靠、最詳細的天氣預報。」
不過 Google DeepMind 研究總監、該研究的合著者之一 Peter Battaglia 就指出，傳統的觀點的確會認為在稀有、不尋常的事物上使用 AI 的效果可能不佳，但 GraphCast 確實做得很不錯。
從數據上來看，GraphCast 在 2 到 4 天的預報時間內將氣旋預報追蹤誤差減少了大約 10 到 15 英里，將與大氣河流相關的水氣預報提高了10% 到 25%，並在 5 到 10 天內的預報期提供了更精確的極端高溫和低溫預報。
但 GraphCast 的確也非十項全能。在預測颶風突然爆發性增強這一方面，就不比傳統模型來得好。另外在雷暴、山洪等較小規模或者可在短時間產生巨大降水量的天氣系統方面也不太管用。
Chantry 指出，ECMWF 下一步就是建立自己的 AI 模型，並考慮將其系統相互結合。
過去 2 年包括 Google、微軟（Micorsoft）、NVIDIA 和華為都各自推出了自家的 AI 天氣模型預測系統，並且聲稱其表現與歐洲模型一樣良好。
不過這樣的 AI 預測系統也有一些問題需要被解決，例如其預測的方式更不透明（又被稱為黑盒子），亦缺乏工具來確定 AI 為何會做出這樣的預測，這對氣象學家來說將是個待解決的挑戰。
核稿編輯：Chris
快加入 INSIDE Google News 按下追蹤，給你最新、最 IN 的科技新聞！
延伸閱讀：
未 滿 十 八 歲 禁 止 飲 酒 