deepmind天气预报原理（AI预报天气迎转机）

人类的天气预报历史已经超过了几千年，而最近的科学突破使预报员能够更好地预测天气。

近些年来，全球天气异常现象似乎越发频繁，其对人类生命和财产安全的威胁也日渐增大。在此背景下，能够精准的预报天气已经成了现代社会的一项刚需。

日前，谷歌的人工智能（AI）部门DeepMind宣布开发了一个系统，允许预报员以更高的精度预测未来几小时内的降雨概率。

而通过人工智能技术预测天气情况也标志着几千年的气象学发展长河涌现出了一座新的里程碑。

▍从占星术到人工智能

几千年来，人们一直试图精确预判出什么时候会下雨。早在公元前650年，位于现代伊拉克和叙利亚的巴比伦人就试图根据云型和占星术来预测天气。

到公元前350年，希腊哲学家亚里士多德在文本中描述了天气模式，甚至耶稣基督本人也在《新约》中对天气预报进行了尝试。

然而，随着1835年电报机的发明，天气预报的科学时代才真正开始。不久之后，英国皇家海军军官弗朗西斯·蒲福（Francis Beaufort）开发了风力量表，后世又称之为“蒲福风力等级表”。

1859年10月，英国“皇家宪章”号在安格尔西岛北岸的风暴中沉没，这激发了皇家海军中将、水文地理学家、气象学家的罗伯特·菲茨罗伊（Robert FitzRoy）制作天气图，他称之为“预报”（forecasts），这也是该术语的第一个已知用法。

罗伯特·菲茨罗伊

紧接着，他又帮助建立了15个地面站，这些地面站使用电报传送每日天气报告，并直接促成了大风警报服务的建立。1861年，第一份每日天气预报在《泰晤士报》上发表。

到了20世纪，科学家对大气物理学理解的进步催生了现代的数值天气预报。

从那时起，天气预报技术就系统地囊括了分析与气压、空气速度、降水和温度有关的数据。这些数据是从世界各地收集的，并被输入超级计算机进行分析。

“而进入21世纪后，天气预报服务对数据的解释各不相同，这便导致了不同的预报结果。”伦敦大学学院高级空间分析中心的教授 Hannah Fry 解释说。

她补充说：“这些应用程序在如何处理所有这些不确定性方面存在巨大差异，一些应用程序会比其他应用程序更加悲观。”

随着技术的不断发展，更多的观测数据将被捕获，从而使得应用程序能够以更快的速度为更小的地区提供预报。

▍DeepMind做了什么？

在一篇发表于《自然》（Nature）杂志上的论文中，50多位气象局的气象学家将DeepMind的人工智能模型与两个现有的降雨预测工具一起进行了评估，结果其准确性和有效性在88%的案例中名列前茅。

开发该模型的DeepMind公司称，这标志着专业预报人员首次表示，与传统方法相比，他们更喜欢基于机器学习的模型。这为利用人工智能开发新的天气预报方法铺平了道路。

一般来说，“临近预报”是天气决策的关键，因为它为应急服务、能源管理、零售、洪水预警系统、空中交通管制、海事服务等的运作提供信息。

但是，要使现在的临近预报有用，预报必须提供准确的预测，并考虑到不确定性，包括可能对人类生活产生重大影响的事件。

近几年来，各家公司已经开发了几种基于机器学习的方法。它们通过对雷达观测的大型数据集进行训练，旨在更好地模拟强降水和其他难以预测的降水现象。

例如，谷歌与美国国家海洋和大气管理局（NOAA）合作，研究和开发可能用于NOAA企业的机器学习系统。微软也资助了从历史数据中识别重复的天气和气候模式的项目，以此来改善次季节和季节性的预测模型。

但DeepMind指出，人工智能现在的预测模型并不总是包括小规模的天气模式或提供整个地区的预测。作为替代方案，该公司创建了一个用于预测的深度生成模型（DGM），它学习了数据的概率分布，以便从其已知分布中生成“临近预测”。

DeepMind宣称，DGM可以预测天气事件，而由于潜在的随机性，这些事件本身就很难追踪。此外，它们可以像调整过的系统一样准确地预测降水的位置，同时保留了对决策有用的属性。

DeepMind用2016至2018年间英国雷达记录的降水事件的大型数据集训练了其DGM。训练完成后，它可以在一秒钟内提供预报信息，并且只依靠单个NVIDIA V100 GPU运行。

与其他流行的预报方法（包括其他机器学习模型）相比，DeepMind的DGM在长达1,536公里乘1,280公里的区域产生了更真实和一致的预测，且提前5至90分钟做出了预报。

“通过50多位专家气象学家的系统评估，我们发现，我们的生成模型在89%的情况下与两种竞争方法相比，其准确性和实用性排名第一，”该论文写道。“这表明生成式临近预报可以提供概率预测，提高预测价值并支持业务效用，而且是以替代方法难以企及的分辨率和准备时间提供预报。”

▍真实世界的应用

“降水‘临近预报’支持依赖天气决策的许多部门的现实社会经济需求，”DeepMind 的论文中写道。“成熟的临近预报是一个长期存在的问题，对许多依赖天气的决策都很重要。我们使用深度生成模型的方法直接解决了这一重要问题，改进了现有的解决方案，并为现实世界的决策者提供了所需的洞察力。”

最近的一项 CDP 分析发现，500家最大的公司在未来的几十年里可能面临大约1万亿美元的与气候变化相关的成本，除非他们采取积极的措施做好准备。

以前的研究估计，如果不加以管理，全球变暖的风险可能会使世界金融业损失1.7万亿美元到24.2万亿美元。一个鲜明的例子是，加州最大的电力公司太平洋天然气和电力公司在2019年1月仅火灾责任就面临高达300亿美元的赔偿。

Facebook 首席人工智能科学家Yann LeCun和谷歌大脑联合创始人Andrew Ng等人都断言，缓解气候变化和促进能源效率是人工智能研究人员值得挑战的问题。

DeepMind资深科学家Shakir Mohamed说：“人工智能有可能帮助我们回答环境科学中一些最复杂的科学问题，如气候变化。”

“这次试验表明，人工智能现在就可以成为一个强大的工具，因为它可以让预报员花更少的时间在不断增加的预测数据中翻找，而是更好地理解他们预测的含义。”Mohamed说。

英国气象局的伙伴关系和产品创新主管Niall Robinson说：“极端天气会带来灾难性后果，包括人员伤亡，而且随着气候变化的影响，这些类型的事件将变得更加普遍。因此，更好的短期天气预报可以帮助人们保持安全和福祉。这项研究表明，人工智能作为一种强大的工具，有可能改善我们的短期预测和对我们的天气模式如何演变的理解。”