谷歌最新AI天气模型：忘带伞？不再有借口

谷歌DeepMind与谷歌研究部门的科学家今日发布了一款新型人工智能天气预测模型。该模型能更清晰地洞察大气变化，并以更高频率预测其动态。 WeatherNext 3是深度学习技术引发气象学领域巨变的最新浪潮。谷歌表示，该模型将开始为谷歌搜索、谷歌地图和Gemini中的天气信息提供支持，同时也会向谷歌云平台上的用户和研究人员开放。 “这将是核心变量首次为众多谷歌产品提供数据和动力。”谷歌高级职员工程师Samier Merchant对TechCrunch表示。 在Operational WeatherBench（一家名为Brightband的初创公司开发的AI预测对比工具）上，该新模型已被证明是领先参赛者中最精准的。评估指标涵盖温度、风速和湿度等。 它不仅击败了谷歌、微软、英伟达和欧洲中期天气预报中心（ECMWF）研发的其他深度学习模型，也超越了美国国家气象局和ECMWF的传统预测。 大多数天气预报依赖政府拥有的超级计算机，费力地运算描述天气物理过程的数学方程。虽然这些系统已相当精准，但成本高昂且相对缓慢。2018年，ECMWF发布了这些系统半个多世纪的气象数据后，深度学习研究人员开始训练模型，其预测速度远超政府工具，精准度也不相上下。 “天气是混沌的，所以微小差异真的会开始产生巨大扰动……机器学习直击我们真正要解决的问题——即从不完整信息和有限计算中逼近含噪物理过程，因此它从大量数据中学习模式。”DeepMind高级研究员兼经理Ferran Alet说道。 此后，模型开发者一直在攻克AI预测模型的关键短板：预测范围往往过广（15至25平方公里），实际用处有限；对降雨的预测不够精确；并且仍依赖政府机构生成的格式化数据集。 WeatherNext 3针对这三项挑战均有突破。研究人员告诉TechCrunch，在关键变量上，它能将分辨率精准到5公里。其降雨评估相比WeatherNext 2提升了60%，并能输出逐小时预报，而传统标准为每六小时一次。 这些改进源于设计者的具体取舍。WeatherNext 3是一个更大的模型，参数规模是前代的2.4倍，并针对解码器头进行了定制，以便给出更有用的答案。大多数天气预测以三维网格平均指标输出，而DeepMind研究人员此前已因调节模型使其可视化气旋路径而赢得赞誉。 这一回，设计者还训练模型将预测瞄准特定气象站。这不仅对提供更精细的预报至关重要，也更便于依据具体的地面实况数据评估模型表现。 “很多AI应用的思路就是尽可能端到端地执行任务。”Brightband的大气科学家Daniel Rothenberg说。“增加一种能力——比如让这个模型现在也能预测丹佛机场气象站每小时会测到什么——就等于把预报任务与核心目标更紧密地连接起来。” 该模型能够更高频地预报，原因在于它能实时吸收每小时采集的气象卫星数据。将原始观测数据（而非天气超级计算机生成的分析场）直接喂给AI模型，有望带来更精准的预测，但让模型处理非格式化数据在技术上依然很有挑战。 谷歌称WeatherNext 3是“首个”直接融合原始观测数据进行全球高分辨率预报的AI模型，但AI天气初创公司WindBorne则表示，其WeatherMesh 6模型自2025年底以来已将自家气象气球网络及其他来源的原始观测数据纳入模型。对此，谷歌指其模型在全球范围的分辨率更高。无论如何，两种模型仍依赖国家级天气数据集进行预报，要实现真正的直接数据同化还需更多努力。 尽管大语言模型吸引了大部分注意力，Transformer在气象学领域引发的革命同样意义重大。欧美气象机构已开始在其预报产品中使用AI模型。AI模型的速度和低成本，有望为那些因优质传感器和超级计算机费用高昂而无法获得精准预报的贫困地区带来经济效益。 比尔·盖茨近日也将AI驱动的天气预报列为该技术的重要益处——更好的预报能提升发展中国家的作物产量。DeepMind研究员Alet表示，更高分辨率的风、雨和云量预报也将有助于提升可再生能源项目的可靠性。 “归根结底，我认为谷歌的使命是为用户提供有用信息，而用户寻求的许多信息，多少都与天气相关。”Alet说。