AI?天氣預(yù)報準(zhǔn)確度高于氣象臺，一張?GPU?1秒預(yù)測未來?90?分鐘天氣
[導(dǎo)讀]編譯|禾木木出品|?AI科技大本營（ID:rgznai100）此次DeepMind聚焦天氣預(yù)報這一重大挑戰(zhàn)，與英國氣象局合作將AI應(yīng)用于預(yù)測降雨。在天氣現(xiàn)象中，雨尤其重要，因為它會影響我們的日常決策。我應(yīng)該帶傘嗎？遇到大雨時，車輛應(yīng)該如何安排路線？如果下雨了，我們在戶外活動中應(yīng)該...
此次 DeepMind 聚焦天氣預(yù)報這一重大挑戰(zhàn)，與英國氣象局合作將 AI 應(yīng)用于預(yù)測降雨。
在天氣現(xiàn)象中，雨尤其重要，因為它會影響我們的日常決策。我應(yīng)該帶傘嗎？遇到大雨時，車輛應(yīng)該如何安排路線？如果下雨了，我們在戶外活動中應(yīng)該怎么做？下大雨會不會有洪水的發(fā)生？雖然每次出門之前都會先看一下天氣預(yù)報，就怕被澆成『落湯雞』但是……只要一不注意，還是會被淋個措手不及。DeepMind 的最新招數(shù)——預(yù)測天氣。在圍棋和《星際爭霸》之后，DeepMind 正在將其 AI 帶入另一個具有挑戰(zhàn)性的領(lǐng)域：預(yù)測天氣。過去幾年，這家 Alphabet 旗下的公司一直在與英國氣象局悄悄合作。近日，他們在《Nature》雜志上報告了合作成果。簡而言之，DeepMind 設(shè)計了一種新的機器學(xué)習(xí)模型，可以準(zhǔn)確預(yù)測未來90分鐘內(nèi)的天氣變化。
短期天氣預(yù)測
目前的天氣預(yù)報是由強大的數(shù)值天氣預(yù)報 (NWP) 系統(tǒng)驅(qū)動的。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。然而，它們很難在兩小時內(nèi)產(chǎn)生高分辨率的預(yù)測。即時預(yù)報填補了這個關(guān)鍵時間間隔內(nèi)的性能差距。氣象傳感方面的進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）提供測量出的地面降水量數(shù)據(jù)。為此，DeepMind 團隊開發(fā)的條件生成模型 DGMR 為概率預(yù)報開發(fā)了一種觀測驅(qū)動的方法。并且更專注于未來5到90分鐘內(nèi)的即時預(yù)報。DGMR 是學(xué)習(xí)數(shù)據(jù)概率分布的統(tǒng)計模型，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)測集合。此外，DGMR 既能從觀測數(shù)據(jù)中學(xué)習(xí)，又能表示多個空間和時間尺度上的不確定性。這一模型的預(yù)測范圍最大能達(dá)到1536公里×1640公里，一張 NVIDIA V100 GPU 就能在1秒內(nèi)生成單個預(yù)報，分辨率還能達(dá)到1公里。
即時預(yù)報的生成模型
DeepMind 使用生成模型的方法，根據(jù)過去的雷達(dá)，對未來的雷達(dá)進行詳細(xì)和可信的預(yù)測。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，同時也可以生成許多備選的降雨情景（稱為集合預(yù)測），使降雨的不確定性得到探索。DeepMind 的模型也十分擅長中到大雨事件的預(yù)測，與其他競爭方法相比有著明顯的改進。DeepMind 研究團隊與英國氣象局（Met Office）的50多位氣象專家進行了一項認(rèn)知評估，將基于 DGMR 的新方法與其他同類方法進行了對比。實驗證明，在降雨以及環(huán)流結(jié)構(gòu)和強度的預(yù)測上，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、強度和結(jié)構(gòu)，更準(zhǔn)確地預(yù)測了東北地區(qū)的降雨和運動。面對地區(qū)的強降水事件，DGMR在預(yù)測降水的強度和范圍上的綜合表現(xiàn)也最好：將幾種不同的方法進行對比后，89% 的情況下專家們會把 DeepMind 的方法評為首選。
如何通過雷達(dá)預(yù)測天氣？
DeepMind 在 2016-2018 年間英國雷達(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，并在單個 NVIDIA V100 GPU 上運行。這是一個類似 GAN 的深層生成網(wǎng)絡(luò) DGMR ，在給定的時間點T使用基于雷達(dá)的地表降水估計值XT，基于過去M個雷達(dá)場預(yù)測未來N個雷達(dá)場：
再通過一個空間判別器、一個時間判別器、一個正則化項來調(diào)整參數(shù)。DeepMind 研究人員相信，這是一個令人興奮的研究領(lǐng)域，他們希望能為新的工作提供數(shù)據(jù)和驗證方法，使提供有競爭力的驗證和操作效用成為可能。
科學(xué)家們對這項結(jié)果表示
其他科學(xué)家并沒有被這個結(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)測沒有任何革命性的變化?！币揽窟@個指標(biāo)來證明他們模型的有用性讓他感到困惑。“我對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)說明評估是如何進行的，甚至實際上評估了什么?！?/span>DeepMind 沒有給出一個具體數(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，而不是報告一個 [單個] 數(shù)字，”DeepMind 的高級科學(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?！八赡軙晕⒑靡稽c，”他說。Mohamed 說，目前沒有任何立即使用該模型的計劃，但該團隊希望最終使用該模型為未來的天氣報告提供真實信息。AI 會不會取代天氣預(yù)報員？這倒不用擔(dān)心，DeepMind的研究科學(xué)家同時也是論文的作者 Suman Ravuri 表示，人工智能不會在這個領(lǐng)域取代人類：“天氣預(yù)測需要專家和人類參與其中，以確保在預(yù)測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
