近日，谷歌研究职员开拓出一种名为 NeuralGCM 的新型景象和气候预测模型，由人工智能技能驱动。
这一最新成果揭橥在 Nature 杂志上。

该模型奥妙地结合了人工智能技能和传统物理模型的上风。
在 1-15 天预报的准确率上，它的表现与欧洲中期景象预报中央（ECMWF，European Centre for Medium-Range Weather Forecasts ）相称，而且它的打算速率很快，可以在 30 秒内天生 22.8 天的大气仿照。

传统模型与 AI 模型的领悟

自 20 世纪 50 年代以来，景象预报紧张依赖于基于物理方程的数学模型。

这些模型运行在超级打算机上，通过繁芜的打算来预测未来的景象状况。

随着韶光的推移，这些模型变得越来越详细，须要的算力也越来越大。

然而，纵然是最前辈的超级打算机，也难以完备仿照地球大气系统的繁芜性。

图 | NeuralGCM 模型的构造（来源：谷歌 Research）

值得关注的是，NeuralGCM 模型在能够进行大尺度物理过程仿照的同时，还可以利用人工智能技能来处理小尺度征象，如云的形成和区域微景象等。

人工智能紧张用于处理那些传统模型难以准确仿照的小尺度征象，并用来纠正在小尺度上累积的偏差。

Google Research 的人工智能研究员兼论文合著者史蒂芬·霍耶（Stephan Hoyer）表示：“这不是物理（模型）与人工智能（模型）的对抗，而是两者的结合。
”

性能与准确性的双重打破

研究显示，NeuralGCM 在 1-15 天的景象预报的准确性方面，与 ECMWF 模型不相上下。

ECMWF 是该研究的互助伙伴组织，它的模型被看作为环球最准确的景象预报模型之一。

更主要的是，NeuralGCM 在长期景象预测方面表现出色。
它的 40 年景象预测仿照结果，与从 ECMWF 数据展示的环球变暖趋势同等。

NeuralGCM 模型在 ECMWF 供应的 40 年历史景象数据上进行演习。
这种基于历史数据的演习方法使得模型能够学习到景象系统的繁芜模式和规律，从而在未来的预测中表现出色。

与此同时，NeuralGCM 在时令周期循环仿照方面也表示出卓越的上风，包括基本的大气动力学、环球可降水量和环球总动能的年循环，以及哈德利环流和季风环流的独特时令性行为等。

图 | NeuralGCM 在打算速率方面超过了传统模型（来源：谷歌 Research）

美国奥克拉荷马大学气候学助理教授亚伦·希尔（Aaron Hill）指出，仿照环球景象变革或长期景象趋势是非常打算密集型的事情，这在传统模型中每每因打算本钱过高而难以实现，因此这项技能的真正前景在于仿照大规模景象事宜。

与传统模型比较，NeuralGCM 在打算效率方面具有显著上风。
研究职员称，该模型可以在 24 小时内利用单个张量处理单元芯片处理 70000 天的仿照。

NeuralGCM 的另一个突出优点是代码量小。
经由演习后，基于机器学习的模型如谷歌的 GraphCast 只需不到 5500 行代码，而美国国家海洋和大气管理局的模型则须要超过 37.7 万行代码。

这种精简不仅提高了运行效率，还使得模型更随意马虎掩护和更新。

潜力与寻衅并存

虽然 NeuralGCM 在短期景象预报方面表现出色，但霍耶表示，其终极目标是用于长期建模，特殊是极度景象风险的预测。
这种能力对付应对景象变革带来的寻衅至关主要。

除了科研用场，NeuralGCM 还可能引起大宗商品交易、农业方案部门和保险公司等更广泛群体的兴趣，由于这些领域格外重视更精准的景象预测，NeuralGCM 可能会发挥主要浸染。

只管 NeuralGCM 展现出巨大潜力，但要完备取代传统模型还需时日。

希尔指出，人们尚未对这些基于人工智能的预测系统建立足够的信赖。

他说：“人们之以是在事情中表现出色，部分缘故原由是他们理解当前利用的模型的优缺陷，知道在什么情形下某些模型表现良好，而其他模型可能存在偏差。
”

另一个寻衅是人工智能模型的“黑箱”性子。
与传统的物理模型不同，人工智能模型的内部事情事理每每难以阐明或复制，这对付须要严格科学验证的景象研究来说是个问题。

此外，景象科学家们也指出，如果模型仅基于历史数据进行演习，可能会在预测由景象变革引起的前所未有的征象时碰着困难。

希尔认为，虽然许多景象预报领域的人工智能疑惑论者已经被最近的发展所说服，但发展速率之快让学界难以跟上。

他说：“我觉得每两个月就有谷歌、英伟达或华为发布一个新模型。
”

事实上也的确如此。
2023 年 7 月，华为发布了盘古气候模型，其研究成果揭橥于 Nature 上；2023 年 11 月，谷歌 DeepMind 公布了基于机器学习的景象预测模型 GraphCast，成果揭橥在 Science 上；2024 年 3 月，英伟达推出了“地球 2 号”数字孪平生台，用于对地球景象变革进行测估。

值得一提的是，NeuralGCM 将以开源形式发布。
这一决定不仅有利于景象科学家的研究，也为更广泛的科技社区供应了参与和改进这一模型的机会。

可以预见的是，随着人工智能技能在景象和气候预测领域的快速发展，学界和业界都将连续积极探索其运用潜力。

参考资料：

https://www.nature.com/articles/s41586-024-07744-y

https://research.google/blog/fast-accurate-climate-modeling-with-neuralgcm/

https://www.technologyreview.com/2024/07/22/1095184/a-new-weather-prediction-model-from-google-combines-ai-with-traditional-physics/

https://www.newscientist.com/article/2439849-google-ai-slashes-computer-power-needed-for-weather-forecasts/

运营/排版：何晨龙