谷歌DeepMind发布全新AI天气预报系统：速度与精度双提升

谷歌DeepMind于本周一推出了一款全新的人工智能天气预报系统，其生成全球天气预报的速度比传统工具快八倍，同时具备更高的预测精度。

这款新系统被命名为WeatherNext 2，旨在应对气候变暖引发的频繁自然灾害。它能够帮助各机构更快地为极端天气事件做好准备，从而减少潜在损失。

WeatherNext 2 的核心技术依赖于谷歌开发的张量处理单元（Tensor Processing Unit, TPU），这是一种专用于加速机器学习和人工智能工作负载的芯片。该系统能够在一分钟内通过单个TPU生成数百个可能的天气场景。

“从供应链到能源网络再到作物种植规划，我们都需要依靠准确的天气预报来做出关键决策，”谷歌DeepMind研究科学家Peter Battaglia在X上表示。“人工智能正在改变我们预测天气的方式。”

跨 Google 产品部署

目前，WeatherNext 2 已在多个Google平台上线，包括Search、Gemini和Pixel Weather等。谷歌地图目前仅提供天气API支持，未来将逐步扩展至更广泛的功能。

“我们正与谷歌团队合作，将 WeatherNext 集成到我们的天气预报系统中，”WeatherNext 2 产品经理Akib Uddin在一份声明中表示。“无论您是在使用搜索、安卓设备还是谷歌地图，天气都会影响每个人。因此，通过提供更准确的天气预报，我们能够帮助所有人更好地应对天气变化。”

据DeepMind介绍，传统天气模型可能需要数小时才能完成一次计算，这限制了情景更新的频率。而WeatherNext 2 利用先进的人工智能技术，性能远超其早期版本WeatherNext Gen。

Battaglia在声明中指出：“它的速度比我们去年发布的概率模型快了大约八倍，分辨率也提高了六倍。因此，它不再以六小时为一个时间步长，而是以一小时为单位进行预测。在我们测试的变量中，它99.9%的表现都优于之前的下一代天气模型。”

从实际应用来看，这意味着新系统能够在15天的时间窗口内，几乎在全球任何地方实现对温度、风速、湿度和气压的更精确预测。

一种新的建模方法

DeepMind将这些成果归功于今年六月一项研究中描述的新建模方法——功能生成网络（FGN）。这种方法改变了系统表示不确定性和生成预测变化的方式。

根据谷歌的说法，FGN仅使用单变量预测或“边缘值”进行训练，例如特定位置的温度、风速或湿度。尽管如此，该模型能够学习这些变量之间的相互作用，从而预测更广泛的、相互关联的模式，如区域性热事件和气旋行为。

谷歌表示，FGN在极端两米温度预测方面与GenCast的结果一致，在极端十米风速预测方面则表现更优，具体取决于变量。

此外，该模型在不同提前期内展现出更强的校准能力，并且在评估较大区域而非单个点时表现尤为突出。

论文采用连续排名概率评分（CRPS）这一标准准确度指标，报告称与GenCast相比，平均合并CRPS的改进率为8.7%，最大合并CRPS的改进率为7.5%。

气旋预测性能

FGN还在热带气旋预测方面取得了显著进展。

与国际气候管理最佳路径档案中的历史数据相比，集合平均预测将位置误差减少了约24小时，提前期介于三日和五日之间。

运行于12小时时间步长的FGN版本虽然误差略高于6小时版本，但在超过两天的提前期上仍优于GenCast。

轨道概率预测显示，在大多数成本损失率和提前期内，相对经济价值更高。

DeepMind表示，基于这项技术开发的实验性气旋预测工具已与多家气象机构共享。

“天气预报越准确、越快，就越有助于每个人做出正确的决定，尤其是在我们开始看到越来越多极端天气的情况下，”Uddin补充道。“我认为更好的天气预报有着广泛的应用前景。”