近年來(lái)，數(shù)值天氣預(yù)報(bào)方法在每日天氣預(yù)報(bào)、極端災(zāi)害預(yù)警、氣候變化預(yù)測(cè)等領(lǐng)域取得了巨大成功。但是，隨著算力增長(zhǎng)趨緩和物理模型逐漸復(fù)雜化，傳統(tǒng)數(shù)值預(yù)報(bào)的瓶頸日益突出，亟須新的天氣預(yù)測(cè)方式。在眾多預(yù)測(cè)方式中，科學(xué)家將目光瞄向了飛速發(fā)展的人工智能。
(資料圖片僅供參考)
聯(lián)合國(guó)氣象組織及其合作伙伴8月8日宣布，2023年7月成為人類(lèi)有氣象記錄以來(lái)全球平均氣溫最高的月份。除了熱浪，一些國(guó)家還遭遇了持續(xù)的暴雨和洪水。氣候變化帶來(lái)的極端天氣事件已經(jīng)成為我們不得不面對(duì)的現(xiàn)實(shí)。
越早獲得極端天氣的準(zhǔn)確信息，越有利于人類(lèi)提前應(yīng)對(duì)。在眾多預(yù)測(cè)方式中，科學(xué)家將目光瞄向了飛速發(fā)展的人工智能（AI）。近期，來(lái)自中國(guó)和美國(guó)的科學(xué)家分別在國(guó)際頂級(jí)學(xué)術(shù)期刊《自然》上發(fā)表研究成果，揭示了人工智能協(xié)助預(yù)報(bào)天氣的潛力。
1小時(shí)到7天預(yù)報(bào)精度超數(shù)值天氣預(yù)報(bào)
近年來(lái)，數(shù)值預(yù)報(bào)方法在每日天氣預(yù)報(bào)、極端災(zāi)害預(yù)警、氣候變化預(yù)測(cè)等領(lǐng)域取得了巨大成功。但是，隨著算力增長(zhǎng)趨緩和物理模型逐漸復(fù)雜化，數(shù)值預(yù)報(bào)的瓶頸日益突出，研究者們開(kāi)始挖掘新的方式預(yù)測(cè)天氣。
7月6日，《自然》正刊發(fā)表了華為云盤(pán)古大模型研發(fā)團(tuán)隊(duì)的研究成果——《三維神經(jīng)網(wǎng)絡(luò)用于精準(zhǔn)中期全球天氣預(yù)報(bào)》，論文顯示，盤(pán)古氣象大模型是首個(gè)精度超過(guò)傳統(tǒng)數(shù)值預(yù)報(bào)方法的AI模型。
據(jù)華為云盤(pán)古大模型研發(fā)團(tuán)隊(duì)相關(guān)人員介紹，數(shù)值預(yù)報(bào)方法在中長(zhǎng)期預(yù)報(bào)等領(lǐng)域的應(yīng)用最為廣泛。在這些領(lǐng)域中，現(xiàn)有的AI預(yù)報(bào)方法精度仍顯著低于數(shù)值預(yù)報(bào)方法，并受到可解釋性欠缺、極端天氣預(yù)測(cè)不準(zhǔn)等問(wèn)題的制約。導(dǎo)致AI預(yù)報(bào)模型精度不足的主要原因，一是由于原有的AI預(yù)報(bào)模型都是基于2D神經(jīng)網(wǎng)絡(luò)構(gòu)建的，無(wú)法很好地處理不均勻的3D氣象數(shù)據(jù)；二是由于AI預(yù)報(bào)方法缺少數(shù)學(xué)物理機(jī)理約束，在迭代的過(guò)程中會(huì)不斷積累迭代誤差。
為此，華為云盤(pán)古大模型研發(fā)團(tuán)隊(duì)創(chuàng)造性地提出了適應(yīng)地球坐標(biāo)系統(tǒng)的三維神經(jīng)網(wǎng)絡(luò)來(lái)處理復(fù)雜的不均勻3D氣象數(shù)據(jù)，并且使用層次化時(shí)域聚合策略來(lái)減少預(yù)報(bào)迭代次數(shù)，從而減少迭代誤差。華為輪值董事長(zhǎng)胡厚崑表示，在氣象預(yù)報(bào)領(lǐng)域，盤(pán)古大模型1小時(shí)到7天的預(yù)測(cè)精度，已經(jīng)超過(guò)歐美一些氣象中心在相同預(yù)測(cè)時(shí)間內(nèi)的預(yù)測(cè)精度。
氣象大模型已在極端天氣預(yù)測(cè)中顯身手
歐洲中期天氣預(yù)報(bào)中心（ECMWF）一直呼吁全球天氣預(yù)報(bào)界作出更多努力，將AI模型作為其預(yù)報(bào)系統(tǒng)的額外組成部分，并進(jìn)一步探索此類(lèi)模型的優(yōu)勢(shì)和劣勢(shì)，以幫助進(jìn)行天氣預(yù)測(cè)。
中國(guó)科學(xué)院計(jì)算技術(shù)研究所副所長(zhǎng)、研究員陳云霽指出，基于AI的氣象科學(xué)研究，其重點(diǎn)是提高跨越多個(gè)時(shí)間尺度的季節(jié)性預(yù)測(cè)和長(zhǎng)距空間聯(lián)系建模的預(yù)測(cè)能力，以此實(shí)現(xiàn)對(duì)氣象系統(tǒng)的精準(zhǔn)預(yù)報(bào)與控制。
歐洲中期天氣預(yù)報(bào)中心主任弗洛倫斯·哈比耶在第19次世界氣象大會(huì)上詳細(xì)地展示了華為云盤(pán)古氣象大模型與歐洲中期天氣預(yù)報(bào)中心的實(shí)時(shí)運(yùn)行檢驗(yàn)對(duì)比情況，前者驚人的預(yù)報(bào)能力令現(xiàn)場(chǎng)參會(huì)人員感受到了AI技術(shù)的巨大能量。
在農(nóng)業(yè)、航空、能源、災(zāi)害預(yù)警等領(lǐng)域，準(zhǔn)確的天氣預(yù)報(bào)具有重大的社會(huì)和經(jīng)濟(jì)價(jià)值。但是，受限于氣象觀測(cè)的準(zhǔn)確度、大氣系統(tǒng)中物理過(guò)程的復(fù)雜性等因素，傳統(tǒng)數(shù)值預(yù)報(bào)方法所需計(jì)算資源規(guī)模巨大。據(jù)世界氣象組織數(shù)據(jù)，全球中期天氣預(yù)報(bào)的有效性每10年才能提高1天，而數(shù)據(jù)驅(qū)動(dòng)的AI預(yù)報(bào)方法將有望以更低的計(jì)算成本快速實(shí)現(xiàn)高精度的預(yù)測(cè)。
2020年時(shí)，AI預(yù)報(bào)方法在精度上仍遠(yuǎn)遠(yuǎn)落后于數(shù)值方法，如今，盤(pán)古氣象大模型已成為首個(gè)精度超過(guò)數(shù)值預(yù)報(bào)方法的AI模型。不僅如此，它的預(yù)測(cè)速度相比傳統(tǒng)數(shù)值預(yù)報(bào)提高了1萬(wàn)倍，可實(shí)現(xiàn)“秒級(jí)”全球氣象預(yù)測(cè)，其氣象預(yù)測(cè)結(jié)果包括位勢(shì)、濕度、風(fēng)速、溫度、海平面氣壓等諸多信息，這些信息對(duì)預(yù)測(cè)天氣系統(tǒng)、風(fēng)暴軌跡、空氣質(zhì)量和天氣模式的發(fā)展至關(guān)重要，可以直接應(yīng)用于多個(gè)氣象研究細(xì)分場(chǎng)景。
歐洲中期預(yù)報(bào)中心和中國(guó)國(guó)家氣象中心等機(jī)構(gòu)都已在實(shí)測(cè)中驗(yàn)證了盤(pán)古氣象大模型的優(yōu)越性。
歐洲中期氣象中心公布的今年4—7月盤(pán)古氣象大模型和歐洲數(shù)值模式的對(duì)比測(cè)試報(bào)告顯示，以盤(pán)古氣象大模型為代表的AI預(yù)報(bào)方法將突破近些年天氣預(yù)報(bào)精度提升緩慢的瓶頸。中央氣象臺(tái)表示，華為云盤(pán)古大模型此前在臺(tái)風(fēng)“瑪娃”的路徑預(yù)報(bào)中表現(xiàn)優(yōu)異，并已應(yīng)用于今年“杜蘇芮”臺(tái)風(fēng)路徑的預(yù)報(bào)。
是輔助或是取代現(xiàn)有天氣預(yù)報(bào)系統(tǒng)還未可知
正如中國(guó)科學(xué)院大氣物理研究所研究員馬柱國(guó)所言，極端天氣和氣候帶來(lái)的經(jīng)濟(jì)損失和人身安全風(fēng)險(xiǎn)不可忽視。
為了盡可能將損失降至最低，氣象科學(xué)家們一直在努力提高預(yù)報(bào)的準(zhǔn)確性。盡管氣象預(yù)報(bào)采用的技術(shù)手段正經(jīng)歷快速迭代和進(jìn)步，但用AI預(yù)測(cè)未來(lái)幾周或幾個(gè)月內(nèi)的中長(zhǎng)期天氣仍面臨著諸多挑戰(zhàn)。
馬柱國(guó)指出，目前人們對(duì)氣候變化的過(guò)程并不十分了解，因此在研究某些氣候現(xiàn)象時(shí)不得不進(jìn)行假設(shè)，但這樣得到的結(jié)論有時(shí)并不十分精確， 因?yàn)槟Ｊ皆骄_，需要的觀測(cè)資料越多。新技術(shù)的發(fā)展往往難以突破本身的局限性，目前最先進(jìn)的AI技術(shù)也不過(guò)是實(shí)現(xiàn)了對(duì)“足夠龐大的已經(jīng)存在的信息數(shù)據(jù)”的處理。AI技術(shù)在氣象領(lǐng)域的應(yīng)用固然代表著其性能的巨大提升，但未來(lái)的氣象有很多不可預(yù)知性，一旦模型某個(gè)環(huán)節(jié)的數(shù)據(jù)準(zhǔn)確率不足，就會(huì)使預(yù)測(cè)結(jié)果產(chǎn)生誤差。
當(dāng)AI進(jìn)入氣象預(yù)報(bào)和大氣物理等應(yīng)用場(chǎng)景時(shí)，其本質(zhì)上還是通過(guò)強(qiáng)大的算力和更智慧的算法對(duì)大數(shù)據(jù)等信息進(jìn)行更有效整合，以提升預(yù)報(bào)的準(zhǔn)確性和效率。當(dāng)前，人類(lèi)在氣象領(lǐng)域的研究仍有很多難題亟待突破。
正如華為云人工智能領(lǐng)域首席科學(xué)家田奇博士所說(shuō)：“天氣預(yù)報(bào)是科學(xué)計(jì)算領(lǐng)域最重要的場(chǎng)景之一，也是一個(gè)非常復(fù)雜的系統(tǒng)。目前，盤(pán)古氣象大模型的主要能力是預(yù)測(cè)大氣狀態(tài)的演變，以加強(qiáng)現(xiàn)有的預(yù)報(bào)系統(tǒng)。我們的最終目標(biāo)是，使用盤(pán)古大模型，打造下一代AI氣象預(yù)報(bào)框架。”
有業(yè)內(nèi)人士指出，盡管盤(pán)古氣象大模型開(kāi)辟了新的預(yù)報(bào)途徑，但它是否能補(bǔ)充或取代現(xiàn)有的天氣預(yù)報(bào)系統(tǒng)，還需要研究團(tuán)隊(duì)進(jìn)一步研究和驗(yàn)證，以及天氣預(yù)報(bào)領(lǐng)域?qū)＜业倪M(jìn)一步評(píng)估。
此外，復(fù)雜的氣象規(guī)律、超高的分辨率與龐大的數(shù)據(jù)量都決定了AI氣象預(yù)報(bào)需要使用計(jì)算量極高的AI模型。因此，打造不斷迭代領(lǐng)先的AI氣象預(yù)報(bào)模型、穩(wěn)定的云上環(huán)境和相應(yīng)的工作套件必不可少。
關(guān)鍵詞：
