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执行的最关键任务之一。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。来自华盛顿大学和微软研究院之间的合作的新研究表明，人工智能（AI）可以用于这些精确预测。新技术分析过去的天气模式以预测未来事件，并且它比当前模型更高效。随着进一步的改进，它也可能比今天的模型更准确。

新型全球天气模型

新型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。新模型简单、基于数据，并且可以模拟整个一年份的天气模式，适用于全球范围。它既快又高效，通过每次预测的重复步骤来实现

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。”

新模型目前不如今天的最先进模型准确，但由于它基于 AI，因此它使用的计算机电力少了 7,000 倍来开发相同范围的预报。由于它的计算工作量较小，因此它更快。

集成预报

有了这种提高的速度，预报中心将能够运行具有不同条件的多个模型。这被称为“集成预报”，用于预测一系列可能的天气事件条件。

Dale Durran 是华盛顿大学的大气科学教授，也是该研究的作者。

“这种方法中有太多的效率，这就是它的重要性，”Durran 说。“它的前景是，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成。”

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

“在训练了过去的天气数据后，AI 算法能够找出不同变量之间的关系，这是物理方程式无法做到的，”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来进行测试。它每 12 小时预测一次，持续一年，新模型是 WeatherBench 中的顶级表现者之一，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。作者们认为，这可能是生成天气预报的替代方法。