谷歌建立了一个可以预测未来天气灾难的人工智能模型

近日，谷歌推出了一种人工智能（AI）模型——“可扩展的集合包络扩散采样器”（SEEDS），并声称该模型能够生成大规模且准确的天气预报，并且成本比传统的基于物理的预测方法更低。

SEEDS模型的设计灵感来源于流行的大型语言模型（LLMs）和生成性AI工具，例如ChatGPT和Sora。这些工具能够通过文本提示生成视频。SEEDS能够快速且成本低廉地生成多个气象预测集合，这比传统的预测模型要高效。

在《科学进展》杂志3月29日发表的一篇论文中，研究团队描述了他们的发现。天气预测一直是一个挑战，因为有许多变量可能导致潜在的灾难性天气事件，如飓风和热浪。随着气候变化的加剧，极端天气事件变得更加频繁，准确预测天气对于拯救生命至关重要，因为它可以为人们提供准备应对自然灾害最严重影响的时间。

目前气象服务使用的基于物理的预测收集了各种测量数据，并给出了一个最终预测，这个预测是基于所有变量的多个模型预测——即预测集合的平均值。气象预报不仅仅是一个单一的预测，而是基于每个预报周期的一组预测，这提供了一系列可能的未来状态。

然而，大多数气象预测对于温和的天气或温暖的夏日等更常见条件来说是足够准确的，但是生成足够的预测模型来找到极端天气事件的可能结果，对于大多数服务来说是不可能的。

当前的预测还使用确定性或概率性预测模型，其中随机变量被引入到初始条件中。但这也导致了快速上升的误差率，这意味着准确预测极端天气和更远未来的天气是非常困难的。初始条件中的未预见错误也可能随着变量随时间呈指数增长而极大地影响预测结果，而模拟足够多的预测来考虑如此微小的细节是成本高昂的。谷歌的科学家估计，要预测只有1%可能发生的事件，一个模型中需要进行10,000次预测。

SEEDS模型从气象机构收集的物理测量中产生预测模型。特别是，它关注了中层大气中地球重力场的位能单位与海平面压力之间的关系——这两个常用于预测的度量。

传统方法每批最多只能产生大约10到50次的预测集合。但通过使用AI，当前版本的SEEDS可以根据一到两个“种子预测”输入数据，外推至多31个预测集合。

研究人员通过使用当时的记录的2022年欧洲热浪的历史天气数据来测试系统。谷歌代表在其研究门户网站的博客文章中表示，就在热浪发生前7天，美国运营的集合预测数据并没有显示出这样的事件即将发生的迹象。他们补充说，即使是少于100次预测的集合——这比传统的预测方法也要多一些，也可能错过了这一事件。

科学家们描述了使用SEEDS进行计算的成本与当今方法相比是“微不足道”的。谷歌表示，该AI系统在谷歌云架构样本中每三分钟处理时间的吞吐量为256个集合，并且可以通过招募更多加速器轻松扩展。