[新聞] Google DeepMind 開發天氣預報新系統，AI 首次超越傳統預報方法

看板TY_Research作者ikaridon (東)時間5月前 (2023/11/16 16:08)推噓4(5推 1噓 3→)

留言9則, 5人參與討論串1/1

(一)新聞標題 Google DeepMind 開發天氣預報新系統，AI 首次超越傳統預報方法 (二)新聞內容在預測未來 10 天世界各地天氣這件事情上，AI 首次以令人信服的方法超越傳統天氣預報，Google DeepMind 開發天氣預報系統 GraphCast 最新成果，登上《Science》雜誌。在最新研究中，GraphCast 展示優於歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）預報表現。綜合評估下，GraphCast 在 1,380 項指標中九成優於 ECMWF 預報系統，包括各種大氣下的溫度、壓力、風速、風向、濕度等。 GraphCast 利用所謂圖神經網路（Graph Neural Network，GNN）的機器學習架構，以超過 40 年的 ECMWF 天氣歷史資料訓練模型。它能處理當下和 6 小時前全球大氣狀態，並在 1 分鐘內以搭載 TPU v4 的雲端電腦產生 10 天天氣預報。 GraphCast 成果代表氣象 AI 在預報速度和準確性取得顯著進展，Google DeepMind 也開源此模型程式碼。ECMWF 機器學習專員 Matthew Chantry 接受《金融時報》採訪承認此一快速進展，認為氣象 AI 系統進展「比我們 2 年前預期快得多，令人印象深刻」。「我們發現 GraphCast 比其他機器學習模型（包括華為雲盤古氣象模型和 NVIDIA FourCastNet）更加熟練，且比我們自己的天氣預測系統更準確」，Matthew Chantry 告訴《金融時報》。 Google 機器學習方法與傳統數值天氣預報（Numerical Weather Prediction，NWP）方法形成明顯對比，傳統方法依賴高速運算電腦執行以大氣物理為基礎的方程式，耗費較多時間和心力。Matthew Chantry 向《金融時報》強調 GraphCast 效率，估計其能源消耗比傳統方法省下約 1,000 倍。 GraphCast 成功預測的一個案例是，它提前 9 天預測颶風李伊（Lee）將於加拿大諾瓦斯科西亞省（Nova Scotia）登陸，比傳統方法早了 3 天。儘管獲得顯著進展，GraphCast 仍有局限，它沒有在所有情況下都優於傳統模型，例如 10 月 25 日颶風歐蒂斯（Otis）突然增強，在毫無預警情況下襲擊墨西哥阿卡普爾科（Acapulco）。《華盛頓郵報》報導指出，全球 AI 模型還無法像傳統模型建立精細預測，GraphCast 可能相對適合研究較小規模的現象，而且它還存在透明度問題，氣象學家無法查看 AI 模型內部細節並清楚得知為何如此預測。「我們的方法不應該被視為傳統天氣預報替代品，傳統天氣預報方法已經開發數十年，在許多現實環境經過嚴格測試，並提供許多我們尚未探索的功能」，Google DeepMind 研究人員強調，他們將 GraphCast 視為現今天氣預報技術的輔助角色。隨著 GraphCast 發表，位於英國伯克郡雷丁鎮（Reading）的 ECMWF 也計劃開發自家 AI 模型，並打算與數值天氣預報系統進行整合。英國氣象局（Met Office）則與圖靈研究院（The Alan Turing Institute）合作，開發用於天氣預報的圖神經網絡，以便將來納入超級電腦基礎設施中。天氣能以各種方式影響人們，比方說可以決定你一早外出裝扮，為我們提供綠色能源，在最壞情況下引發可能摧毀家園的風暴。現今極端天氣日益嚴重，快速且準確的天氣預報變得相當重要，GraphCast 研究成果將能造福全人類。 (三)新聞連結 https://technews.tw/2023/11/15/graphcast-for-faster-and-more-accurate-global-weather-forecasting/　＝　https://tinyurl.com/ysueoeyz (四)其他心得或備註期待AI能夠讓氣象預測更加精進～是說利用AI工具畫圖會有這到底如何定位的問題天氣預測應該是越準越好沒有爭議吧？不過文中也沒有完全否定傳統的預測方式就是了，畢竟AI就是個黑盒子XD -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 39.14.18.222 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/TY_Research/M.1700122138.A.70D.html

推

sony1733

11/16 18:04, 5月前 , 1^F

11/16 18:04, 1^F

→

sony1733

11/16 18:04, 5月前 , 2^F

11/16 18:04, 2^F

推

aegis43210

11/16 23:37, 5月前 , 3^F

11/16 23:37, 3^F