AI?天氣預(yù)報(bào)準(zhǔn)確度高于氣象臺(tái)，一張?GPU?1秒預(yù)測(cè)未來?90?分鐘天氣
[導(dǎo)讀]編譯|禾木木出品|?AI科技大本營(yíng)（ID:rgznai100）此次DeepMind聚焦天氣預(yù)報(bào)這一重大挑戰(zhàn)，與英國(guó)氣象局合作將AI應(yīng)用于預(yù)測(cè)降雨。在天氣現(xiàn)象中，雨尤其重要，因?yàn)樗鼤?huì)影響我們的日常決策。我應(yīng)該帶傘嗎？遇到大雨時(shí)，車輛應(yīng)該如何安排路線？如果下雨了，我們?cè)趹敉饣顒?dòng)中應(yīng)該...
此次 DeepMind 聚焦天氣預(yù)報(bào)這一重大挑戰(zhàn)，與英國(guó)氣象局合作將 AI 應(yīng)用于預(yù)測(cè)降雨。
在天氣現(xiàn)象中，雨尤其重要，因?yàn)樗鼤?huì)影響我們的日常決策。我應(yīng)該帶傘嗎？遇到大雨時(shí)，車輛應(yīng)該如何安排路線？如果下雨了，我們?cè)趹敉饣顒?dòng)中應(yīng)該怎么做？下大雨會(huì)不會(huì)有洪水的發(fā)生？雖然每次出門之前都會(huì)先看一下天氣預(yù)報(bào)，就怕被澆成『落湯雞』但是……只要一不注意，還是會(huì)被淋個(gè)措手不及。DeepMind 的最新招數(shù)——預(yù)測(cè)天氣。在圍棋和《星際爭(zhēng)霸》之后，DeepMind 正在將其 AI 帶入另一個(gè)具有挑戰(zhàn)性的領(lǐng)域：預(yù)測(cè)天氣。過去幾年，這家 Alphabet 旗下的公司一直在與英國(guó)氣象局悄悄合作。近日，他們?cè)凇禢ature》雜志上報(bào)告了合作成果。簡(jiǎn)而言之，DeepMind 設(shè)計(jì)了一種新的機(jī)器學(xué)習(xí)模型，可以準(zhǔn)確預(yù)測(cè)未來90分鐘內(nèi)的天氣變化。
短期天氣預(yù)測(cè)
目前的天氣預(yù)報(bào)是由強(qiáng)大的數(shù)值天氣預(yù)報(bào) (NWP) 系統(tǒng)驅(qū)動(dòng)的。通過解答物理方程，NWP 可提前數(shù)天得到地球尺度的預(yù)測(cè)。然而，它們很難在兩小時(shí)內(nèi)產(chǎn)生高分辨率的預(yù)測(cè)。即時(shí)預(yù)報(bào)填補(bǔ)了這個(gè)關(guān)鍵時(shí)間間隔內(nèi)的性能差距。氣象傳感方面的進(jìn)步使得高分辨率雷達(dá)可以高頻使用（在 1 公里分辨率下每 5 分鐘一次）提供測(cè)量出的地面降水量數(shù)據(jù)。為此，DeepMind 團(tuán)隊(duì)開發(fā)的條件生成模型 DGMR 為概率預(yù)報(bào)開發(fā)了一種觀測(cè)驅(qū)動(dòng)的方法。并且更專注于未來5到90分鐘內(nèi)的即時(shí)預(yù)報(bào)。DGMR 是學(xué)習(xí)數(shù)據(jù)概率分布的統(tǒng)計(jì)模型，可以從學(xué)習(xí)到的分布中輕松生成樣本。由于生成模型從根本上是概率性的，可以從給定的歷史雷達(dá)的條件分布中模擬許多樣本，生成預(yù)測(cè)集合。此外，DGMR 既能從觀測(cè)數(shù)據(jù)中學(xué)習(xí)，又能表示多個(gè)空間和時(shí)間尺度上的不確定性。這一模型的預(yù)測(cè)范圍最大能達(dá)到1536公里×1640公里，一張 NVIDIA V100 GPU 就能在1秒內(nèi)生成單個(gè)預(yù)報(bào)，分辨率還能達(dá)到1公里。
即時(shí)預(yù)報(bào)的生成模型
DeepMind 使用生成模型的方法，根據(jù)過去的雷達(dá)，對(duì)未來的雷達(dá)進(jìn)行詳細(xì)和可信的預(yù)測(cè)。有了這樣的方法，研究員們既可以準(zhǔn)確地捕捉大規(guī)模的事件，同時(shí)也可以生成許多備選的降雨情景（稱為集合預(yù)測(cè)），使降雨的不確定性得到探索。DeepMind 的模型也十分擅長(zhǎng)中到大雨事件的預(yù)測(cè)，與其他競(jìng)爭(zhēng)方法相比有著明顯的改進(jìn)。DeepMind 研究團(tuán)隊(duì)與英國(guó)氣象局（Met Office）的50多位氣象專家進(jìn)行了一項(xiàng)認(rèn)知評(píng)估，將基于 DGMR 的新方法與其他同類方法進(jìn)行了對(duì)比。實(shí)驗(yàn)證明，在降雨以及環(huán)流結(jié)構(gòu)和強(qiáng)度的預(yù)測(cè)上，DGMR與目標(biāo)雷達(dá)數(shù)據(jù)最為接近：生成法（DGMR）比平流法（PySTEPS）更好地捕捉了環(huán)流、強(qiáng)度和結(jié)構(gòu)，更準(zhǔn)確地預(yù)測(cè)了東北地區(qū)的降雨和運(yùn)動(dòng)。面對(duì)地區(qū)的強(qiáng)降水事件，DGMR在預(yù)測(cè)降水的強(qiáng)度和范圍上的綜合表現(xiàn)也最好：將幾種不同的方法進(jìn)行對(duì)比后，89% 的情況下專家們會(huì)把 DeepMind 的方法評(píng)為首選。
如何通過雷達(dá)預(yù)測(cè)天氣？
DeepMind 在 2016-2018 年間英國(guó)雷達(dá)記錄的降水事件的大型數(shù)據(jù)集上訓(xùn)練其DGM。訓(xùn)練完成后，它可以在一秒鐘內(nèi)提供預(yù)報(bào)，并在單個(gè) NVIDIA V100 GPU 上運(yùn)行。這是一個(gè)類似 GAN 的深層生成網(wǎng)絡(luò) DGMR ，在給定的時(shí)間點(diǎn)T使用基于雷達(dá)的地表降水估計(jì)值XT，基于過去M個(gè)雷達(dá)場(chǎng)預(yù)測(cè)未來N個(gè)雷達(dá)場(chǎng)：
再通過一個(gè)空間判別器、一個(gè)時(shí)間判別器、一個(gè)正則化項(xiàng)來調(diào)整參數(shù)。DeepMind 研究人員相信，這是一個(gè)令人興奮的研究領(lǐng)域，他們希望能為新的工作提供數(shù)據(jù)和驗(yàn)證方法，使提供有競(jìng)爭(zhēng)力的驗(yàn)證和操作效用成為可能。
科學(xué)家們對(duì)這項(xiàng)結(jié)果表示
其他科學(xué)家并沒有被這個(gè)結(jié)果所震驚。雷丁大學(xué)的氣象學(xué)家 Peter Clark 說：“我認(rèn)為這里的預(yù)測(cè)沒有任何革命性的變化?！币揽窟@個(gè)指標(biāo)來證明他們模型的有用性讓他感到困惑?！拔覍?duì)他們沒有選擇使用更合適的客觀分?jǐn)?shù)感到驚訝，”他說?！昂苌儆腥嗽敿?xì)說明評(píng)估是如何進(jìn)行的，甚至實(shí)際上評(píng)估了什么?！?/span>DeepMind 沒有給出一個(gè)具體數(shù)字，說明其模型與其他現(xiàn)有模型相比準(zhǔn)確度有多高?！拔覀兿胍扇〉姆椒ㄊ沁@種更加謹(jǐn)慎的方法，而不是報(bào)告一個(gè) [單個(gè)] 數(shù)字，”DeepMind 的高級(jí)科學(xué)家兼該論文的作者 Shakir Mohamed 說。同樣是雷丁大學(xué)的氣象學(xué)家 Rob Thompson 說：“它與其他當(dāng)前的頂尖類型模型的表現(xiàn)相似?！钡麄兊哪Ｊ讲]有遙遙領(lǐng)先?！八赡軙?huì)稍微好一點(diǎn)，”他說。Mohamed 說，目前沒有任何立即使用該模型的計(jì)劃，但該團(tuán)隊(duì)希望最終使用該模型為未來的天氣報(bào)告提供真實(shí)信息。AI 會(huì)不會(huì)取代天氣預(yù)報(bào)員？這倒不用擔(dān)心，DeepMind的研究科學(xué)家同時(shí)也是論文的作者 Suman Ravuri 表示，人工智能不會(huì)在這個(gè)領(lǐng)域取代人類：“天氣預(yù)測(cè)需要專家和人類參與其中，以確保在預(yù)測(cè)方面的理解是合理的，然后將其傳達(dá)給公眾。”參考鏈接：https://deepmind.com/blog/article/nowcastinghttps://www.wired.co.uk/article/deepmind-weather-nowcastinghttps://www.nature.com/articles/s41586-021-03854-z
下載文檔
