谷歌建立了一个可以预测未来天气灾难的人工智能模型

一种新系统使用生成式人工智能来比以往更快、更便宜地预测天气，同时检测难以发现的极端天气事件，击败了世界主要气象机构。

谷歌发布了一个人工智能 (AI) 模型，声称可以大规模生成准确的天气预报，同时比传统的基于物理的预测更便宜。

“可扩展集成包络扩散采样器”(SEEDS) 模型的设计类似于 ChatGPT 等流行的大型语言模型 (LLM) 和 Sora 等生成式 AI 工具，后者根据文本提示生成视频。

SEEDS 生成许多集合 - 或多种天气场景 - 比传统预测模型更快、更便宜。该团队在 3 月 29 日发表在《科学进展》杂志上的一篇论文中描述了其发现。 

天气很难预测，有许多变量可能导致潜在的毁灭性天气事件——从飓风到热浪。随着气候变化恶化以及极端天气事件变得更加常见，准确预测天气可以让人们有时间为自然灾害最严重的影响做好准备，从而挽救生命。

气象服务目前使用的基于物理的预测会收集各种测量结果，并给出最终预测，该预测根据所有变量对许多不同的建模预测（或集合）进行平均。天气预报不是基于单一预测，而是基于每个预测周期的一组预测，提供一系列可能的未来状态。

相关：ChatGPT 和 Claude 3 Opus 等“越狱”人工智能服务比您想象的要容易得多

这意味着大多数天气预报对于温和天气或温暖的夏季等更常见的情况来说足够准确，但生成足够的预报模型来发现极端天气事件的可能结果是大多数服务无法实现的。

当前的预测还使用确定性或概率预测模型，其中将随机变量引入初始条件。但这会导致错误率迅速升高，这意味着很难准确预测极端天气和未来的天气。

初始条件中不可预见的错误也会极大地影响预测结果，因为变量随着时间的推移呈指数级增长，并且对足够的预测进行建模以考虑到如此微小的细节的变量的成本很高。谷歌科学家估计，需要在模型中进行 10,000 次预测才能预测发生可能性仅为 1% 的事件。

SEEDS 根据气象机构收集的物理测量结果生成预测模型。特别是，它研究了对流层中层地球重力场每质量势能单位与海平面压力之间的关系——这两种常用的预测指标。

传统方法只能产生大约 10 到 50 个预测的集合。但通过使用人工智能，当前版本的 SEEDS 可以仅基于一两个用作输入数据的“播种预测”来推断出多达 31 个预测集合。

研究人员通过使用当时记录的历史天气数据对 2022 年欧洲热浪进行建模来测试该系统。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，美国运行的集合预测数据没有表明此类事件即将发生。他们补充说，预测次数少于 100 次的集合（这比传统的预测次数要多）也会错过它。

科学家们表示，与当今的方法相比，使用 SEEDS 执行计算所需的计算成本“可以忽略不计”。谷歌表示，在示例谷歌云架构中，人工智能系统每三分钟处理时间的吞吐量为 256 个集合，可以通过招募更多加速器来轻松扩展。