AI 天气模型使用的电力比传统模型少 7,000 倍

天气预报是我们最强大的计算机承担的最关键任务之一。它需要数百万次计算和大量机器解决方程，这有助于预测温度、风和降雨等条件。它也是预测大型天气事件的重要工具，这些事件可能会破坏整个地区和经济。

天气预报领域正在迅速改进，因为我们的技术在不断进步，变得更加准确和高效。华盛顿大学和 Microsoft Research 之间的合作成果表明，人工智能（AI）可以用于这些预测。新的技术分析过去的天气模式以预测未来事件，它比当前的模型更高效。随着更多的进步，它也可能达到比今天的模型更准确的程度。

新全球天气模型

新的全球天气模型使用过去 40 年的天气数据来进行预测，这与其他使用物理计算的模型不同。新的模型简单、基于数据，并且可以模拟整个年的天气模式，可以应用于全球。它既快又高效，通过每次预报的重复步骤来实现。

该研究已在 Journal of Advances in Modeling Earth Systems 上发表。

Jonathan Weyn 是该研究的首席作者。

“机器学习基本上是在进行一种模式识别，”Weyn 说。“它看到一种典型的模式，认识到它通常如何演变，并根据过去 40 年的数据中看到的例子决定如何处理。”

新的模型目前不如今天的最先进的模型准确，但由于它基于 AI，因此它使用 7,000 倍较少的计算机电力来开发相同范围的预报。由于它的计算工作量较小，因此它运行得更快。

集合预报

通过这种增加的速度，预报中心将能够运行具有不同条件的多个模型。这被称为“集合预报”，它用于预测天气事件的各种可能条件。

Dale Durran 是华盛顿大学的大气科学教授，也是该研究的作者。

“这种方法有很多效率，这就是它的重要之处，”Durran 说。“它的承诺是，它可以让我们通过拥有一个足够快的模型来处理可预测性问题，从而运行非常大的集合。”

该项目始于 Microsoft Research 的 Rich Caruana 提出使用 AI 进行基于历史数据的天气预报。这意味着不再需要依赖物理定律来进行此类预测。

“在训练过去的天气数据后，AI 算法能够找出不同变量之间的关系，这是物理方程无法做到的，”Weyn 说。“我们可以使用更少的变量，因此可以创建一个更快的模型。”

该模型通过预测天气预报中的一个标准变量进行了测试。它每 12 小时预测一次，持续一年，新的模型是 WeatherBench 中的顶级表现者，WeatherBench 是一个用于数据驱动天气预报的基准测试。

研究人员必须继续调整该模型，如果它要与现有模型一起使用或取代现有模型。作者认为，这可能是生成天气预报的未来替代方案。