谷歌DeepMind周一推出了一种新的AI驱动的天气预报系统，据称其生成全球天气预测的速度是传统工具的八倍。

被称为WeatherNext 2，该系统被定位为帮助机构更快地为严峻条件做准备的工具，因为全球正面临由日益变暖的气候引发的频繁自然灾害。

为此，它从一个起点生成数百种可能的情景，每种情景在不到一分钟内由谷歌开发的专用芯片Tensor Processing Unit计算完成，以加速机器学习和AI工作负载。

“我们依赖准确的天气预测来做出关键决策——从供应链到能源网格再到作物规划，”谷歌DeepMind研究科学家Peter Battaglia在X上写道。“AI正在改变我们预测天气的方式。”

在谷歌产品中的部署

WeatherNext 2预测已经在搜索、Gemini、Pixel天气和谷歌地图天气API中运行，未来将提供更广泛的支持。

“我们正在与谷歌团队合作，将WeatherNext整合到我们的预测系统中，”WeatherNext 2产品经理Akib Uddin在声明中说。“无论你是在搜索、安卓还是谷歌地图上，天气影响着每个人，因此通过更好的天气预测，我们能够帮助每个人。”

传统模型可能需要数小时，限制了情景刷新频率，DeepMind表示。通过使用先进的AI，WeatherNext 2超越了其早期的操作模型WeatherNext Gen，公司声称。

“它比我们去年发布的先前概率模型快了大约八倍，在分辨率方面高出六倍，”Battaglia在声明中说。“因此，它不是每六小时一步，而是每小时一步。它在我们测试的99.9%的变量上都优于之前的WeatherNext Gen。”

在实际应用中，这意味着新系统在几乎所有地方和15天窗口的几乎每个点上都能产生更准确的温度、风、湿度和压力预测。

DeepMind将这些进步归功于一种在六月研究中描述的新建模方法论文关于功能生成网络（FGN），它改变了系统表示不确定性和生成预测变化的方式。

一种新的建模方法

根据谷歌，FGN仅在单变量预测或“边际”上进行训练，例如特定位置的温度、风或湿度。

尽管如此，该模型学会了这些变量如何相互作用，使其能够预测更广泛的互联模式，如区域热事件和气旋行为。

谷歌表示，FGN在极端两米温度预测上与GenCast相匹配，并在极端十米风预测上超过了GenCast，具体取决于变量。

该模型在提前时间上的校准更强，并且在对较大区域而非单个点进行评估时表现更好。

使用连续排名概率评分——一种标准的准确性指标，用于检查模型预测结果的完整范围与实际发生情况的匹配程度——论文报告与GenCast相比，平均池化CRPS提高了8.7%，最大池化CRPS提高了7.5%。

气旋预测性能

FGN还改进了热带气旋预测。

与国际气候管理最佳轨迹档案的历史轨迹相比，集合平均预测将三到五天预测之间的位置误差减少了约24小时的提前时间。

在12小时时间步长运行的FGN版本显示出比六小时版本更高的误差，但在两天以上的提前时间上仍优于GenCast。

轨迹概率预测在大多数成本损失比和提前时间上显示出更高的相对经济价值。

DeepMind表示，使用该技术构建的实验性气旋预测工具已与气象机构共享。

“你会得到更准确的预测，并且更快地得到它们，这有助于每个人做出正确的决策，尤其是在我们开始看到越来越多的极端天气时，”Uddin说。“我认为更好的天气预测有一整套应用。”