自從 ChatGPT 橫空出世，人工智能（AI）再度引爆話題以來，很多人都心懷一個疑問：我希望人工智能可以幫我掃地洗碗，好讓我有心情去寫詩畫畫。可爲什麽現在的人工智能卻都寫詩畫畫去了，就我們人類還在掃地洗碗？
圖片截取自社交媒體
網友吐槽的這個情況，跟人工智能技術的發展路徑有關，也跟技術的商業化過程有關，到也不是科研人員 " 刻意爲之 " 的。與此同時，也有無數的人工智能研發人員正在努力工作，讓這項技術能幫助大家實現一些更實際的目标。
最近，華爲雲團隊在《自然》雜志發表的一項 AI 大模型，就試圖解決一個困擾全人類的、非常實際的問題：天氣預報。
圖庫版權圖片，轉載使用可能引發版權糾紛
天氣預報最大的難點之一，就是決定天氣如何發生的大氣系統在演變時所具有的混沌性。
盡管目前的 NWP 方法已經取得了顯著的進步，但仍然存在一些限制。首先，NWP 模型需要大量的計算資源來求解複雜的物理方程。這對大規模的全球氣象預報而言，可能是一個 " 緻命 " 的問題。其次，NWP 模型通常需要詳細的初始條件，這些條件往往由衛星和地面測量提供，但數據可能存在不确定性或誤差。這會影響預測的準确性。
因此，盡管我們已經能夠做出相當準确的短期天氣預報（如未來幾小時或幾天的預報），但中期和長期預報（如未來幾周或幾個月的預報）的準确性仍然是一個挑戰。如今，AI 大模型的出現，或許能讓我們向更精準的中長期預報更進一步。
在 2023 年 7 月 5 日的《自然》雜志正刊上，華爲雲團隊報告了一項基于華爲雲盤古氣象（Pangu-Weather）大模型進行的中期天氣預測的工作。這項工作首次解決了 AI 預報天氣精度不及傳統數值預報的世界性難題，而且預測速度快了 1 萬倍，實現了 " 秒級 " 全球氣象預測。
華爲雲盤古氣象大模型的核心是一種三維深度神經網絡（3D Earth-Specific Transformer），能夠捕獲天氣數據中的複雜模式，使用了約 40 年的全球天氣數據進行訓練。同時，團隊采用了一種層次化時域聚合策略，以減少中期預報中的累積誤差。其結果是，盤古氣象大模型在部分情況下，其精度和速度方面超越了此前全球最好的 NWP 系統。
華爲雲研發團隊發現，此前 AI 氣象預報模型的精度不足主要有 2 個原因：第一，原有的 AI 氣象預報模型都是基于 2D 神經網絡，無法很好地處理不均勻的 3D 氣象數據；第二，AI 方法缺少數學物理機理約束，因此在叠代的過程中會不斷積累叠代誤差。
華爲雲盤古天氣大模型的一個關鍵突破是對地球上的天氣模式的理解。通過将高度信息整合到新的維度中，該系統可以在三個維度中理解天氣模式，從而更準确地預測天氣。此外，層次化時域聚合策略也是一項重要的技術突破，它極大地減少了中期天氣預報所需的叠代次數，由此降低了累積誤差。
圖庫版權圖片，轉載使用可能引發版權糾紛
業界對華爲的這項研究給予了高度評價。相關專家普遍認爲，盤古氣象大模型的出現代表了人工智能在天氣預報領域的重大突破。中國國家氣象中心和歐洲中期天氣預報中心（ECMWF）等機構在實測中證實了盤古大模型預測的優越性，其結果包括溫度、濕度、風速、海平面氣壓等，可以直接應用于多個氣象研究細分場景。
不過，盡管盤古大模型從某種意義上來說開辟了新的預報途徑，但它仍依賴 NWP 來訓練，且結果并沒有碾壓 NWP。因此，站在客觀角度來看，同行專家們也對盤古氣象大模型提出了一些不足和改進方向，這些仍是研究團隊需要進一步研究和驗證的。
2023 年 5 月，台風 " 瑪娃 " 作爲今年迄今爲止最強的熱帶氣旋引起了世界的關注。國家氣象中心利用人工智能快速增強識别技術，提前 12 小時實現趨勢預報。《中國氣象報》在相關報道中稱，華爲雲盤古模型在瑪娃軌迹預測方面表現出色，提前 5 天預測了其在台灣島東部海域的轉彎軌迹。在第 19 屆世界氣象大會上，歐洲中期預報中心也指出，華爲雲盤古氣象大模型在精度上有不可否認的能力，純數據驅動的 AI 天氣預報模型展現出了可與數值模式媲美的預報實力。
華爲雲研發團隊還提出了适應性學習策略，讓模型在針對新數據進行預測時能夠進行實時調整。這項技術的成功實現将進一步提高盤古氣象大模型的預測準确性，使其在實際應用中更具價值。
在農業、航空、能源、災害預警等領域，準确的天氣預報具有重大的社會和經濟價值。例如，在農業應用中，準确的降水量預報将有助于農民合理安排農事活動，提高農業生産效率。而在航空運輸領域，準确的風速預報将有助于航空公司合理安排航線，降低運營成本。
在過去的幾十年裏，氣象科學家們一直在努力，設法提高天氣預報的準确性，但這個領域仍然有很多挑戰。未來人工智能技術有可能成爲應對這些挑戰的關鍵。
注釋
[ 1 ] https://www.nature.com/articles/s41586-023-06185-3
[ 2 ] 論文摘要描述爲 39 年。華爲官網新聞報道爲 43 年。
[ 3 ] https://www.cma.gov.cn/en2014/news/News/202306/t20230607_5560758.html
[ 4 ] https://www.ecmwf.int/en/about/media-centre/science-blog/2023/rise-machine-learning-weather-forecasting
策劃制作
作者丨聞非 科學記者
審核丨于旸 騰訊玄武實驗室負責人
責編丨崔瀛昊
往期
精選
本文封面圖片及文内圖片來自版權圖庫
轉載使用可能引發版權糾紛
原創圖文轉載請後台回複 " 轉載 "
