谷歌AI天气预测模型强势来袭，预测准、算得快、成本低10万倍！

【蜂耘网  人工智能】天气预报说有雨，但是雨就是不下，天气预报说晴天，结果淋湿了头发。

天气预报还是天气晕报？

别急，一项得到《Nature》认可的AI天气研究将更好解决天气预报难题，天气预报准确率超越之前的所有物理模型。有了这个名叫NeuralGCM的AI模型，明天出门带不带伞就不用纠结啦。

为什么它能这么准？当然是因为它解决了传统模型的构建问题带来的实际偏差。

在天气预测中，我们需要建立模型，然而地球那么大，变化那么多，东边太阳西边雨的情况放在整个地球上看，是每天都在发生的。   

所以我们为了便于预测，将地球分块，通过计算不同块区的空气和水的运动变化，来预测这一块地区的天气会如何。

地球那么大，分得太细计算量就会爆炸，分得不够细，就会有很多细节丢失，导致误差。

怎么办？只能在能力范围内划分不大不小的区块，误差部分则交给人工加入的参数近似值来修正。这样一个不算简单粗暴却只能做到大差不差的模型就建好了。未来的天气就可以基于此来预测。

近似值的存在让天气预报并不那么准确，但是又无可奈何，毕竟没有这个近似值，误差更大。

这个令人困扰的近似值问题如何被NeuralGCM解决的呢？

NeuralGCM依然采取了分块化构筑模型，但并没有使用近似值来减小误差，而是让神经网络通过天气数据库学习天气变化原理，获得更准确的预测，再加上一个耗光了研究人员头发写出来的数值求解器，NeuralGCM的表现想不优秀都难。

果然，NeuralGCM在2到15天的天气预测中，准确率完爆一切天气预测模型。   

普通人对天气预测的需求是满足了，但还有需要十年甚至数十年天气变化数据的人。所以未来长期的气候预测能力也是相当重要。

NeuralGCM在长时间气候预测方面也表现亮眼，给它一些老数据，让它预测1930年至2020年间的温度情况，它的预测与真实数据不相上下，误差仅为0.25℃。

没有对比怎么能突出NeuralGCM的强大呢？传统大气模型在这个时间段的温度预测数据误差有多少？答案是0.75℃。看着不高，都不超过1℃。但实际上这段时间的平均气温最高数据与最低数据之差也就不到1℃。

不仅仅是温度，NeuralGCM预测湿度、热带气旋模式都有一手。如此全才，难怪得到《Nature》杂志青睐。

算得准还不够，算得快也是NeuralGCM的绝活。它的速度比传统模型X-SHiELD快3500倍，这是什么概念？这相当于传统模型一小时能算完的东西，NeuralGCM只需要1秒！   

而且NeuralGCM成本更低，比传统模型低了10万倍！传统模型需要在超级计算机的帮助下才能发光发热，但NeuralGCM可以在笔记本电脑上一展身手。

这步子迈得着实大，称赞NeuralGCM是跨世纪之作也不为过。有了NeuralGCM，研究人员可以以更低的成本，更高的效率，获得更准确的预测数据。在天气变化无常，极端天气时常发生的今天，NeuralGCM将意义非凡。

而且NeuralGCM的源代码已经公开，研究人员可以用作非商业用途。之后，NeuralGCM还将被继续完善，加入碳循环与其他气候系统的影响因素，以获得更多更有用的气候预测能力，帮助人类判断气候变化，提早做出应对之策。        

（蜂耘人工智能网  责任编辑：梅子）