DeepMind新AI能更早预测飓风

飓风梅丽莎对牙买加是灾难性的，带来了洪水与山体滑坡。但一种人工智能预报模型帮助预报员在风暴影响地区更早发出警告，让社区能够提前准备。

研究人员在周四发表于《自然》的论文中展示，WeatherNext人工智能模型可以以前所未有的精度预测热带气旋。平均而言，它比现有模型多给预报员一天的提前量；也就是说，该模型对未来三天的预测准确度，相当于以往模型对未来两天的预测准确度。在实际防灾中，多出的一天可能意义重大。

美国国家飓风中心主任迈克尔·布伦南说，即便只是几个小时也可能带来不同。组织疏散、调拨物资、把资源送到可能受飓风威胁的地区，都是时间敏感的任务；决策错误可能造成严重后果。他说，这类决策最宝贵的是时间，因此能把预报准确率延长约一天，比过去提前一天作出可靠判断，非常有价值。

研究人员称，按照过去的经验，要想把预报时间提前一天，往往需要约十年的努力。

用人工智能模拟极端天气事件很困难。机器学习需要大量训练数据才能对未来作出预测，但极端事件天生稀少。谷歌DeepMind研究科学家、论文共同第一作者费兰·阿莱说，他们并不拥有太多气旋数据，但拥有大量天气数据；因此，团队训练了一个既能学好常规天气、也能学好气旋的模型。

大气合作研究所热带气旋研究组负责人、论文作者之一凯特·马斯格雷夫说，飓风尤其难预测，因为它涉及多种空间尺度。预测风暴路径，也就是它朝哪个方向移动，需要全球尺度的气象数据，例如冷锋位置和主导风场。预测风暴强度则需要更精细的小尺度数据，重点观察当地的大气和海洋条件。

马斯格雷夫说，这些局部信息很难从全球模型中获取。早期人工智能模型在预测路径方面表现不错，但在预测强度方面一直做得不好。

路径和强度都必须预测，因为强度的变化可能意味着一个相对弱的风暴与一个重大飓风之间的区别。有时，例如在梅丽莎飓风事件中，一个风暴系统会在夜间快速增强，突然演变成紧急情况。梅丽莎飓风也标志着美国国家飓风中心首次能够在风暴仍处于一级飓风阶段时，预测它未来会成为五级飓风。

在WeatherNext模型用于实时预报之前，研究人员先用历史数据测试模型。马斯格雷夫说，测试结果好到让他们怀疑真实环境中是否真能达到同样水平。但当预报员把模型纳入实际工作后，其表现与历史测试结果一致。她说，大家都没想到它表现这么好。

参与该模型的DeepMind研究人员也尚未完全理解人工智能如何在较低分辨率数据条件下产生如此准确的预测，因为传统上预测风暴强度通常需要更高分辨率的大气数据。阿莱说，当他们告诉相关研究群体该模型只使用相对粗糙的分辨率时，很多人感到震惊；这意味着低分辨率输入中可能包含比以前认为更多的有效信号，能帮助判断未来天气。

这说明模型一定从低分辨率数据中提取了某些与风暴强度有关的信息，但研究人员尚不清楚具体是什么。阿莱表示，最终它仍是一个黑箱，但这会给物理学家一个提示：存在一些尚未被理解的大气过程或数据关系。

该模型不会只输出单一预测，而会给出一个正在发展中的风暴可能出现的多种情景。阿莱说，这有助于捕捉潜在‘蝴蝶效应’：一个小偏差可能随时间推移导致更大差异。预报员可以结合这些结果以及其他模型输出，判断风暴系统可能如何演变。去年，这个人工智能模型对每场风暴生成50种情景；现在可以生成1000种。

马斯格雷夫说，凭借现有数值模型和计算能力，他们根本无法做到这一点。

布伦南表示，DeepMind模型是预报员工具箱中的优秀新工具，但它只是众多工具之一。因为某个模型去年表现好，或在这一次风暴中表现好，并不意味着它在下一季或下一次风暴中一定最好。他补充说，人的判断仍然关键：飓风不只是一条路径或一个强度预测，还需要专家把预报转化为可能造成的影响，而真正夺去人们生命的是影响本身。

谷歌DeepMind还宣布，将开源在飓风季使用过的WeatherNext模型代码，以便研究者使用和改进。阿莱希望，把模型开放给研究界可能有助于揭示气旋工作机制的新认识。

阿莱说，他非常期待科学发现，并认为人工智能正在提供新的工具，让人类有机会进一步探究宇宙中的规律。