微軟發佈的這個 AI 工具，將極端天氣預測加快 5000 倍

極端天氣事件在變得越來越頻繁和強烈，相信很多人都有所感受。

研究人員在努力尋找更快和準確預測這些事件的方式，AI 也帶來一種新可能性。

今年 5 月，微軟不僅為 Copilot 帶來更新，也發佈了一個天氣預測工具 Aurora。

這些 AI 工具做的就是識別模式。它們可太擅長這個了。

參與 Aurora 項目的微軟研究員 Paris Perdikaris 說道。

為了訓練 Aurora，微軟為其提供了超過 100 萬小時的氣候數據，總量大概是最新 GPT 模型的 16 倍。

現在，Aurora 可以用比傳統方式快 5000 倍的速度來預測未來 5 天全球空氣汙染情況和 10 天的天氣情況。

The Weather Company 之前的 AI 天氣模型可大概預測到即將到來的風暴強度，但預測還是過於粗糙，無法提供足夠的風速和降雨信息。

今年和英偉達達成合作後，更強大的算力讓 AI 預測運算更快，因此結果能做到更準確和仔細。

維朗諾瓦大學的團隊，則瞄準了風暴這一種氣候現象。

這個模型想做的主要是通過識別風暴的規模和形狀，以此判斷其影響力，譬如是否會形成龍捲風或者冰雹。

在過去，這個任務主要靠學生們人工去識別和分析風暴圖片，現在則由 AI 接手：

你一次又一次地去訓練它，它的表現真的非常，非常好。

在機器學習幫助下，預測的警告時間已經從原本的發生前 15 分鐘提前到 1 小時，也為居民提供更多的應對時間：

當然，你沒法把農場搬走，但你可以把家禽帶回室內。

「速度」是這類 AI 工具優勢最顯著的地方。

在過去 50 年以來，天氣預測的主流採用的都是大氣環流模式（General Circulation Model，GCM）。

這組複雜的數學模型需要用到大量氣候數據，還得調用超級電腦來運算，雖然更準確，但時間和能源耗費都巨高。

與此同時，因為計算需要大量數據，但這些從世界各地氣象站、高空氣球、海洋浮標和衛星等地收集回來的數據還是會有不準確的地方。其中的小錯誤可能在計算過程中變成大失誤。

相比之下，新的 AI 天氣預測工具可能在筆記本電腦上就能運行，但其準確度仍待觀察。

微軟表示，Aurora 將在未來幾個月開始對公眾開放，也希望氣候研究人員會用它進行測試。Perdikaris 表示：

最終還是由他們來決定是否要將 Aurora 這類 AI 模型融入工作流里。

我個人的預測是，大概未來 2-5 年 AI 就可融入其中。

和微軟 Aurora 這種「純機器學習」模式相比，Google DeepMind 則在嘗試用一個更綜合的模式。

上個月，Google DeepMind 在其新論文中指出，它的新模型「NeuralGCM」在 1-10 天的氣候預測上，比純機器學習模型以及當今在用的一些模型更準確。

奧克拉荷馬大學氣象學助理教授 Aaron Hill 表示，DeepMind 這個模型的創新之處，在於融入 AI 的同時，也保留了一些流體動力學的計算。

在一些大型的大氣改變預測上，模型依舊用傳統方式來計算，而在更小的範疇中，譬如在小於 25 公里的範圍內的雲層形成或地域微氣候上，模型會融入 AI 預測。

我們具有選擇性地融入 AI 來糾正小尺度上可能會積累錯誤的地方。

Google 研究員 Stephan Hoyer 說道。

據論文，NeuralGCM 可在保持預測準確度的同時，大量減少對算力的需求。

雖然現在 AI 的優勢顯現於小範圍計算，但 Hill 認為，這樣的 AI 工具最有意義的地方在於，減少了算力負擔，它們有潛力去搭建和運算長期和大規模的氣候模型。

想在長時間維度里一次又一模擬全球（氣候）在算力負擔上真的非常重。

我們也沒必要丟掉我們在過去 100 年里學習積累的關於大氣的知識。我們可以將它和 AI 以及機器學習融合起來。

在氣候危機下，除了氣象預測機構需要有更多工具以外，大宗商品交易商、農業規劃業和保險業都願意為更快和更準確的天氣預測模型買單，這個領域也在快速發展。

人們對 AI 的需求是有的，但我感覺大家都還在觀望階段。

本文來自微信公眾號「APPSO」，作者：發現明日產品的，36氪經授權發佈。