Source: Slashdot
Google的研究人员构建了一个新的气象预测模型，将机器学习与更传统的技术相结合，可能以目前成本的一小部分产出准确的预测。这个名为NeuralGCM的模型描述在今天《自然》杂志上，弥合了天气预测专家之间已经存在多年的鸿沟。虽然通过学习多年过去数据进行天气预测的新机器学习技术非常快速和有效，但它们在长期预测方面可能会遇到困难。另一方面，支配天气预测已有50年的大气环流模型使用复杂方程描述大气变化并给出准确的预测，但在运行时非常缓慢和昂贵。专家们对未来哪种工具最可靠存在分歧。
但是，Google的新模型尝试将这两者结合起来。‘这并不是物理学与AI的对立。而是真正的将物理学和AI结合起来，’ Google Research的AI研究员、论文合著者之一Stephan Hoyer表示。该系统仍然使用传统模型来解决需要进行预测的大气变化之一。然后，它整合了人工智能，在那些大型模型效果不佳的地方表现得很好，通常对小于约25公里的规模进行预测，例如处理云形成或区域性小气候（例如旧金山的雾）。
这就是我们非常有选择性地通过AI来纠正小尺度累积错误的地方，” Hoyer说。研究人员表示，结果是一个可以更快、更省电地产生质量预测的模型。他们表示，NeuralGCM与欧洲中程天气预报中心（ECMWF）的1至15天预测一样准确，后者是这项研究的合作伙伴组织。但像这样的技术的真正前景不在于更好地预测当地区域的天气，而在于使用传统技术难以支持的更大尺度气候事件。
这种可能性范围从更多通知预测热带气旋到建模数年后的更复杂气候变化。一遍又一遍或长时间模拟地球是如此计算密集，”未参与此研究的俄克拉荷马大学气象学院助理教授Aaron Hill表示。这意味着最好的气候模型受制于计算能力的高成本，这对研究构成了真正的瓶颈。研究人员表示NeuralGCM将是开源的，能够在不到5500行代码的情况下运行，而与美国国家海洋和大气管理局（NOAA）的模型需要近377,000行代码相比。
人工智能与传统技术的结合在气象预测领域展示了巨大潜力，将带来更准确、更高效的预测模型，为气候监测和大气研究带来前所未有的可能性。" } ```
