科技日報記者 劉霞

極端天氣頻發，快速準確的天氣預報至關重要。然而，精準預測天氣面臨極大挑戰。借助人工智能（AI），迅速而準確地捕捉雨云的變化趨勢，科學家現在能更快、更可靠地預測天氣了。

科學家已研發出多款由AI賦能的天氣預報模型。這些AI模型不僅革新了天氣預報方式，還能助力作出更好的決策，提升了災難響應效率、增強了電網可靠性。

AI分析天氣數據顯示優勢

精準而快速的天氣預報對于農業、航空和災害管理等多個部門來說都至關重要。

美國科普網站ZME Science的報道指出，傳統天氣預報依靠數值模型求解復雜的數學方程式，從而模擬大氣的變化。但是，要想生成詳盡且準確的預測結果，需要強大的算力作為支撐。因此，這些數值模型往往需要在超級計算機上運行。簡而言之，傳統天氣預報是依靠數學方程，通過超算“精算”出來的。

傳統的天氣預報方法雖然有效，但需耗費大量計算資源和時間，且在預測特殊事件和極端天氣時，往往顯得力不從心。AI預報應運而生，為天氣精準預報帶來了新的曙光。

AI憑借其強大的數據分析能力，能迅速處理大量歷史和實時數據，從而給出更加精準的預測結果。谷歌旗下“深度思維”公司研發出一款氣象預報AI模型GenCast。這款模型在預測準確度方面超過了全球頂尖天氣預報模型——歐洲中期天氣預報中心的集成模型ENS。GenCast學習了截至2018年的40年氣象數據，并預測2019年的天氣走勢。結果顯示，在GenCast預測的1300多個指標中，約97%的預測結果優于ENS。

不僅如此，AI天氣預報在速度方面也展現出巨大優勢。傳統預測模型需花費數小時來運行那些基于大氣物理學的復雜算法，而AI模型卻能在幾秒鐘內輕松生成預測結果。比如，GenCast只需短短8分鐘就能完成15天的天氣預測。無論是常規天氣還是極端天氣，GenCast都能進行準確分析，顯著降低了預測天氣所需的計算成本。

多國AI預報模型各有千秋

如今，世界多地的企業和機構都紛紛投身到AI預測天氣的熱潮中。

去年6月，微軟公司發布了其首個用于預測天氣的大型大氣基礎模型“極光”。測試結果顯示，“極光”能在不到一分鐘的時間內，生成5天的全球空氣污染預測和10天的高精度天氣預報結果。值得一提的是，“極光”在空氣質量預測方面表現出色，能以較小的計算成本，提供與歐洲哥白尼大氣監測服務系統相當的預測結果。

英偉達公司也不甘示弱。該公司近日推出了AI天氣預報模型CorrDiff。這款模型能將精度從25公里提升至2公里，生成更精細的氣象數據，適用于預測臺風等極端天氣。CorrDiff的性能與現有模型相當，但計算速度提升了22倍，能耗降低到1/3000。

中國華為公司推出的“盤古氣象模型”向世界展示了中國在AI天氣預報領域的實力。歐洲中期天氣預報中心發表的一篇測評論文中指出，盤古氣象模型在預測正常天氣事件和極端天氣事件時的準確度，已能與傳統方法相抗衡。

歐洲中期天氣預報中心也正式開始運行AI天氣預報系統AIFS。AIFS結合機器學習與AI技術，實現了預報速度的極大飛躍，也將單次預報能耗降低到1/1000。在多項關鍵指標上，AIFS的預測準確度較當前最先進的數值模型提升了20%。

多種方法融合是務實之選

不過，AI預測天氣仍有許多需要改進之處。

比如，AI模型雖然能給出預測結果，但無法解釋得出這一結果的具體過程。一旦預測結果與實際情況大相徑庭，科學家往往需要修改計算方法。

此外，AI雖然在預測臺風和低壓系統等宏觀趨勢上游刃有余，但面對每日天氣預報的詳細需求時，卻顯得力不從心。

日本氣象協會技術戰略室主任增田有俊表示，要提高氣象預報的準確度，讓AI模型與數值預報強強攜手是務實的選擇。

例如，日本理化學研究所開發出了一種將數值預報和AI技術相結合的系統，專門預測分散性強降雨。他們將實際觀測數值和數值預報計算出的數據輸入AI模型內。結果顯示，在相同準確度下，AI預報結果的時間跨度是單純數值預報的5倍。

ZME Science在報道中強調，數值模型對于模擬基本大氣物理學仍然至關重要，可作為AI系統的強大補充。這兩者強強攜手能提高天氣預報的效率和精確度，同時可降低計算成本。