5000次風(fēng)暴，谷歌訓(xùn)出AI預(yù)言家！天氣預(yù)報ChatGPT時刻？
昨天，谷歌DeepMind與谷歌研究團(tuán)隊正式推出交互式氣象平臺Weather Lab，用于共享人工智能天氣模型。
圖片
在熱帶氣旋路徑預(yù)測方面，谷歌這次的新模型刷新SOTA，是首個在性能上明確超越主流物理模型的AI預(yù)測模型。
圖片
論文鏈接：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/how-we-re-supporting-better-tropical-cyclone-prediction-with-ai/skillful-joint-probabilistic-weather-forecasting-from-marginals.pdf
博客鏈接：https://deepmind.google/discover/blog/weather-lab-cyclone-predictions-with-ai/
項目地址：https://deepmind.google.com/science/weatherlab
熱帶氣旋極其危險，所經(jīng)之處，徒留廢墟。
2024年10月8日NOAA GOES?16衛(wèi)星捕獲的颶風(fēng)Milton影像
據(jù)世界氣象組織統(tǒng)計，在過去50年中，熱帶氣旋造成了1.4萬億美元的經(jīng)濟(jì)損失，共造成1945次災(zāi)難，奪去約80萬人生命。而且受此威脅的人數(shù)，還在攀升。
這些龐大且旋轉(zhuǎn)的風(fēng)暴，也被稱為颶風(fēng)或臺風(fēng)，通常在溫暖的海洋水域形成，由熱量、濕度和對流共同驅(qū)動。
在溫暖的海洋上，當(dāng)水汽冷凝，能量的釋放啟動正反饋循環(huán)，熱帶氣旋得以形成
它們對大氣條件的微小變化極為敏感，因此精準(zhǔn)預(yù)測其軌跡和強(qiáng)度一直是氣象學(xué)界公認(rèn)的難題。然而，提高氣旋預(yù)測準(zhǔn)確性將有助于通過更有效的防災(zāi)準(zhǔn)備和及時疏散來保護(hù)受災(zāi)社區(qū)。
圖片
論文鏈接：https://uhero.hawaii.edu/wp-content/uploads/2023/09/hurricane_forecasts-7.pdf
提前15天50種天氣推演
Weather Lab平臺搭載了基于隨機(jī)神經(jīng)網(wǎng)絡(luò)的最新AI熱帶氣旋模型，可預(yù)測氣旋生成、移動路徑、強(qiáng)度變化、規(guī)模及形態(tài)特征——
最多能提前15天生成50種可能的情景推演。
圖片
以下動畫展示了AI模型預(yù)測結(jié)果。
當(dāng)颶風(fēng)「洪德」和「加朗斯」在馬達(dá)加斯加以南海域活動時，模型（藍(lán)色軌跡）準(zhǔn)確預(yù)測了它們的移動路徑。
該模型還成功捕捉到印度洋上「裘德」和「伊馮」兩個氣旋的未來軌跡——
提前近七天就穩(wěn)健預(yù)測出最終會增強(qiáng)為熱帶氣旋的暴風(fēng)雨區(qū)域。
實時與歷史氣旋預(yù)測
Weather Lab展示了不同AI天氣模型的實時與歷史氣旋預(yù)測，同時也包括來自歐洲中期天氣預(yù)報中心（ECMWF）的物理模型預(yù)測。
目前，他們有多個AI天氣模型在實時運(yùn)行：WeatherNext Graph、WeatherNext Gen以及最新的實驗性氣旋模型。Weather Lab還提供了超過兩年的歷史預(yù)測數(shù)據(jù)，供專家和研究人員下載和分析，從而外部評估模型在所有海洋流域的表現(xiàn)。
下面的動畫展示了新模型對Alfred氣旋在珊瑚海成為三級氣旋時的預(yù)測。
模型的集合均值預(yù)測（粗藍(lán)線）準(zhǔn)確預(yù)見到Alfred氣旋迅速減弱為熱帶風(fēng)暴，并于七天后在澳大利亞布里斯班附近登陸的過程，同時準(zhǔn)確預(yù)測在昆士蘭海岸登陸的高概率區(qū)域。
Weather Lab用戶可以探索并比較各類AI與物理模型的預(yù)測。當(dāng)這些預(yù)測被綜合考慮時，有助于氣象機(jī)構(gòu)和應(yīng)急服務(wù)專家更好地預(yù)判氣旋路徑與強(qiáng)度，從而更好地應(yīng)對不同情景，傳播風(fēng)險信息，并支持管理氣旋影響的決策。
使用該工具時，請牢記下面提醒，尤其是在依據(jù)Weather Lab的預(yù)測做出決策時：
Weather Lab是一款研究工具。展示的實時預(yù)測由仍在開發(fā)中的模型生成，并非官方預(yù)警。
如需獲取官方天氣預(yù)報和預(yù)警，請咨詢當(dāng)?shù)貧庀髾C(jī)構(gòu)或國家氣象服務(wù)部門。
AI驅(qū)動的氣旋預(yù)測
在基于物理的氣旋預(yù)測中，要滿足操作需求所需的近似處理，單個模型難以同時準(zhǔn)確預(yù)測氣旋路徑和強(qiáng)度。
這是因為氣旋路徑由大尺度大氣引導(dǎo)流控制，而氣旋強(qiáng)度則取決于其緊湊核心內(nèi)外的復(fù)雜湍流過程。
全球低分辨率模型在預(yù)測氣旋路徑方面表現(xiàn)最佳，但無法捕捉控制氣旋強(qiáng)度的精細(xì)過程，因此需要區(qū)域高分辨率模型的輔助。
這次谷歌團(tuán)隊發(fā)明了FGN，這是一種新型的架構(gòu)、訓(xùn)練和推理方法相結(jié)合的天氣概率建模方法，速度更快、靈活性更高。
FGN分別通過不同機(jī)制建模認(rèn)知不確定性與隨機(jī)性不確定性（見下圖1）：前者通過模型集成實現(xiàn)，后者則采用與隨機(jī)函數(shù)相關(guān)的技術(shù)。
在熱帶氣旋路徑預(yù)測方面，F(xiàn)GN的平均路徑預(yù)測和路徑概率預(yù)測均顯著優(yōu)于現(xiàn)有模型（?? < 0.05），是首個在性能上明確超越主流物理模型的AI預(yù)測模型。
圖 1 | FGN生成過程概覽：從一對輸入幀（?????:???）生成單步預(yù)測集合的流程
在兩個層級上， FGN引入多樣性，分別建模不確定性中的隨機(jī)性（aleatoric uncertainty）與認(rèn)知不確定性（epistemic uncertainty）。
對于某個特定模型 M??，隨機(jī)性不確定性在預(yù)測軌跡的每一步中通過采樣一個低維噪聲向量????引入，該向量用于模型前向傳播過程中的參數(shù)共享條件歸一化。這可以理解為對神經(jīng)網(wǎng)絡(luò)權(quán)重施加擾動，從而獲得參數(shù) ????，因此可視為對神經(jīng)網(wǎng)絡(luò)參數(shù)的采樣。
若要在隨機(jī)性不確定性下生成 N 個集合成員，只需獨(dú)立地對N個不同的 ???? 進(jìn)行條件生成即可。認(rèn)知不確定性通過集成多個獨(dú)立訓(xùn)練的模型 M?? 的輸出進(jìn)行建模，每個模型擁有自己的一組參數(shù) {??*??, Δ??}，并按上述方法分別生成集合成員的子集。
評估結(jié)果
新的實驗性氣旋模型能同時兼顧路徑與強(qiáng)度預(yù)測，內(nèi)部評估顯示它在氣旋路徑與強(qiáng)度預(yù)測方面目前最佳。
它訓(xùn)練于兩類不同數(shù)據(jù)：
一是由數(shù)百萬觀測數(shù)據(jù)重建的全球再分析數(shù)據(jù)集；
二是包含近45年來近5,000個觀測氣旋的路徑、強(qiáng)度、大小和風(fēng)半徑等關(guān)鍵信息的專業(yè)數(shù)據(jù)庫。
同時建模分析數(shù)據(jù)與氣旋數(shù)據(jù)，顯著提升了氣旋預(yù)測能力。
例如，對2023和2024年北大西洋與東太平洋流域的NHC觀測颶風(fēng)數(shù)據(jù)進(jìn)行初步評估。結(jié)果顯示新模型在五天內(nèi)的氣旋路徑預(yù)測比ECMW的ENS（全球領(lǐng)先的物理模型集合）平均近140公里，達(dá)到了ENS三天半預(yù)測的準(zhǔn)確度，相當(dāng)于實現(xiàn)了1.5天的預(yù)測進(jìn)展——這一進(jìn)展通常需十年才能達(dá)到。
雖然此前的AI天氣模型在氣旋強(qiáng)度預(yù)測方面表現(xiàn)不佳，但新的實驗性模型在平均強(qiáng)度誤差上優(yōu)于NOAA（美國國家海洋和大氣管理局）的HAFS（區(qū)域高分辨率物理模型）。
初步測試還表明，新模型對氣旋大小與風(fēng)半徑的預(yù)測結(jié)果可與物理模型基準(zhǔn)相媲美。
新模型在路徑與強(qiáng)度預(yù)測方面的誤差分析，以及與ENS與HAFS比較后的五天內(nèi)平均性能評估結(jié)果
為決策者提供更有用的數(shù)據(jù)
除了與NHC合作，谷歌還與科羅拉多州立大學(xué)的大氣研究合作機(jī)構(gòu)（CIRA）保持緊密合作。
圖片
CIRA研究科學(xué)家Kate Musgrave博士及其團(tuán)隊評估了模型，認(rèn)為「在路徑與強(qiáng)度預(yù)測方面，與最優(yōu)秀的操作模型相比具有相當(dāng)或更高的能力」。
圖片
Musgrave表示：「我們期待在2025年颶風(fēng)季的實時預(yù)測中驗證這些結(jié)果?！?/span>
此外，谷歌還與英國氣象局、東京大學(xué)、日本W(wǎng)eathernews公司及其他專家合作，共同改進(jìn)我們的模型。
新實驗性熱帶氣旋模型是WeatherNext系列研究的最新里程碑。
谷歌表示他們將持續(xù)收集氣象機(jī)構(gòu)與應(yīng)急服務(wù)專家的重要反饋，提升官方預(yù)測水平并支持拯救生命的決策。
參考資料：
https://deepmind.google/discover/blog/weather-lab-cyclone-predictions-with-ai/
