圖片來源:DeepMind

【為什麼我們要挑選這篇文章】多數國家的天氣預報主要仰賴強大的數值天氣預報(NWP)系統驅動,該系統雖能預測下雨和其他類型的天氣,但碰到一些複雜的地理環境,零到兩個小時之內的氣候預報表現就特別差勁,看看英國這家 AI 機構用人工智慧預測天氣的精準度有多高!(責任編輯:陳宜伶)

本文經 AI 新媒體量子位(公眾號 ID:QbitAI)授權轉載,轉載請連繫出處
作者:量子位

明明晚上預報也看了,第二天出門前也在手機上確定了即時降雨機率很低。

結果出門一個小時後,還是被突如其來的風雨交加吹成了殺馬特(TO 編按:大陸次文化名詞,通常指濃妝、穿環、髮型誇張的青少年)

一天之內四季隨機播放的天氣,這誰頂得住?

(英國天氣:你喊我?)

除去日常生活,航空領域中的短期天氣預報一失誤,飛機就可能延誤,農業、水資源、應急管理的一些項目,如果短期天氣無法得到準確預測,還可能造成更嚴重的後果。

於是,Google 母公司 Alphabet 旗下英國人工智慧研究機構 DeepMind 和英國氣象局就聯手搞了個 AI,最快 1 秒就能預測未来90 分鐘內的天氣,預測範圍還超過 200 萬平方公里。

TO 推薦閱讀:導入 Appier 精準行銷,cama café 用 AI 為顧客量身打造天氣專屬咖啡!

現在,這一研究已經登上科學研究期刊 Nature 。

AI 神準預測天氣,1 秒就生成一個氣象預報

現在的很多預報技術會使用大量電腦模擬大氣物理狀態,這種方法適用於長期的天氣預測。

而 DeepMind 團隊開發的條件生成模型 DGMR,則更專注於未來 5 到 90 分鐘內的鄰近預報。

這一模型的預測範圍最大能達到 1536 公里×1640公里,一张NVIDIA V100 GPU 就能在 1 秒内生成單個預報,分辨率还能達到 1 公里。

DeepMind 研究團隊與英國氣象局的 50 多位氣象專家進行了一項認知評估,將基於 DGMR 的新方法與其他同類方法進行了對比。實驗證明,在降雨以及環流結構和強度的預測上,DGMR 與目標雷達數據最為接近:

面對地區的強降水事件,DGMR 在預測的強度和範圍上的綜合表現也最好:

將上述生成的預測圖與同類模型預測圖一起進行,讓人類氣象專家去盲選,最終在 89% 的案例中,DGMR 的生成結果都被認定為最佳。

TO 推薦閱讀:德國、鄭州洪災仍可能重演,超級電腦能預測極端天氣的強度與災害嗎?

用「定格動畫」訓練 AI 天氣模型

那麼 DGMR 具體是如何透過現有的雷達數據預測未來的天氣呢?

可以說,整個模型是由一張一張的「定格動畫」訓練的,只不過這些圖形來自各國氣象局發布的追踪雲層形成和移動的精確雷達測量數據快照:

具體來說,DGMR 在英國 2016-2018 年的雷達觀測數據上進行訓練,並在 2019 年的測試集上進行評估。將這些數據輸入 DGMR 網路中,就能預測並生成未來的動態雷達圖。

接下來看看它的具體架構。

這是一個類似 GAN 的深層生成網路,在給定的時間點 T 使用基於雷達的地表預測值 XT,基於過去 M 個雷達場預測未來 N 個雷達場:

模型包含隨機變量 Z 和參數 θ

學習則在條件生成的對抗網路 GAN 的算法框架中進行,用四個連續的雷達觀測數據作為生成器(generator)的內容,以對未來降水的多個實現(18 幀)進行採樣。

再透過一個空間判別器、一個時間判別器、一個正則化來調整參數。

DeepMind 團隊在最後也表明,氣象局專家的參與以一種不同的方式推進了這次模型的生成。

未來我們還會開發更多評估性能的方法,以提高罕見和緊張事件所需的即時天氣預報的準確性。

論文傳送門

官方報導傳送門

參考資料:Technology Review

(本文經 AI 新媒體量子位 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為〈一张GPU一秒生成200万平方公里天气雷达图,AI开始对英国天气重拳出击了 | Nature〉。首圖來源:DeepMind