預(yù)報升級

通過整合人工智能技術(shù)，氣象模型有望實現(xiàn)重大突破。圖片來源：COURTESY OF GOOGLE DEEPMIND

20世紀60年代，美國國家航空航天局（NASA）與蘇聯(lián)競爭對手將首批氣象衛(wèi)星送入太空，自此，全球天氣預(yù)報發(fā)生了永久性的變革。借助這組“太空之眼”，氣象預(yù)報員突然間能夠監(jiān)測海洋與偏遠陸地的天氣狀況，填補了氣象模型中的關(guān)鍵空白，也針對遠距離形成的潛在風暴搭建了早期預(yù)警系統(tǒng)。

如今，氣候變化使天氣預(yù)測難度增加，極端天氣事件的頻率和強度不斷上升，氣象學(xué)家們正在期待另一項重大技術(shù)突破可以為他們帶來優(yōu)勢。

人工智能正在為天氣預(yù)報模型注入全新力量，使科學(xué)家能夠更迅速、更精準地探測極端天氣事件。今年8月，谷歌（Google）的DeepMind的颶風預(yù)測技術(shù)在颶風“艾琳”（Hurricane Erin）測試中，不僅在最初72小時內(nèi)超越美國國家颶風中心（U.S. National Hurricane Center）的“官方”預(yù)報，還擊敗多款基于物理原理構(gòu)建的預(yù)報模型。

英偉達（Nvidia）、華為等科技巨頭，以及美國國家海洋和大氣管理局（U.S. National Oceanic and Atmospheric Administration）等政府機構(gòu)，均已經(jīng)啟動人工智能驅(qū)動的氣象模型測試工作。人工智能在氣象預(yù)報的兩大核心任務(wù)中表現(xiàn)尤為出色：處理海量數(shù)據(jù)集，并識別數(shù)據(jù)的潛在規(guī)律。與主要依賴實時大氣觀測數(shù)據(jù)的傳統(tǒng)模型不同，谷歌的人工智能系統(tǒng)通過分析歷史颶風數(shù)據(jù)，發(fā)現(xiàn)人類預(yù)報員可能未曾察覺的規(guī)律。

誠然，人工智能預(yù)報模型仍然存在局限性。在颶風“艾琳”的首次實時測試中，谷歌的預(yù)測模型在72小時內(nèi)的預(yù)報中表現(xiàn)最為出色。但對氣象預(yù)報員而言，三天至五天的預(yù)報窗口期最為關(guān)鍵，原因是疏散指令發(fā)布與颶風應(yīng)對準備工作，正是在這一階段展開的。

即便是最樂觀的技術(shù)專家也承認，世間不存在可以解決所有問題的“靈丹妙藥”，這類模型必然存在權(quán)衡與局限。例如，歷史數(shù)據(jù)顯示，人工智能模型往往傾向于“平滑數(shù)據(jù)”：為呈現(xiàn)更規(guī)整的數(shù)據(jù)結(jié)果，可能會將那些細微卻至關(guān)重要的細節(jié)模糊化。

但人工智能與氣象學(xué)結(jié)合的潛力不容小覷——這種結(jié)合因為有望提升公共安全水平、優(yōu)化企業(yè)規(guī)劃與供應(yīng)鏈物流而受到高度關(guān)注。

更智能的颶風預(yù)測

湯姆·安德森（Tom Andersson）之所以對氣象模型產(chǎn)生興趣，源于他聽聞專家提及：盡管人工智能天氣預(yù)報技術(shù)發(fā)展迅猛，但這類模型在現(xiàn)實場景中對風暴強度進行預(yù)測時，可靠性依然欠佳。

“如果極端天氣毫無征兆地突然來襲，可能就會在幾小時甚至幾分鐘內(nèi)顛覆人們的生活。”參與谷歌DeepMind于今年6月推出的熱帶氣旋實驗?zāi)Ｐ脱邪l(fā)的研究工程師安德森表示。（“氣旋”是對強氣旋性熱帶風暴的統(tǒng)稱，“颶風”主要指發(fā)生在大西洋的熱帶氣旋。）“我們研發(fā)這項技術(shù)的初衷，是助力氣象機構(gòu)更好地向公眾傳達風險信息。”

該模型能夠同時預(yù)測風暴路徑（包括風暴移動路徑及可能的登陸地點）與強度（包括風暴的強弱程度及危險等級），被氣象界視為重大突破。目前，美國國家颶風中心及其他國際專家正在對此展開積極評估。

“此前，沒有任何一個模型可以同時精準預(yù)測氣旋的移動路徑與強度。”安德森說，“這可能是首個實現(xiàn)同步預(yù)測的模型。”

颶風應(yīng)對對時間極為敏感。如果有關(guān)部門需要調(diào)配應(yīng)急資源或發(fā)布疏散指令，就必須盡可能掌握颶風的移動路徑信息。

“相較于以往基于物理原理的模型，我們能夠提前一天半發(fā)布同等精度的預(yù)警。”領(lǐng)導(dǎo)氣旋模型研發(fā)工作的谷歌DeepMind研究科學(xué)家費蘭·阿萊特（Ferran Alet）表示，“我們期望借此進一步增強人類預(yù)報員的能力。”

傳統(tǒng)方法基于物理方程，而人工智能模型則從海量數(shù)據(jù)集中學(xué)習(xí)規(guī)律，這有助于量化不確定性、輔助識別極端天氣事件，并使模型隨時間推移持續(xù)優(yōu)化。

誠然，人工智能模型的性能最終取決于其訓(xùn)練數(shù)據(jù)的質(zhì)量。谷歌DeepMind的優(yōu)勢在于，既擁有全球歷史氣象數(shù)據(jù)集，也掌握著可以追溯至40余年前的專項氣旋數(shù)據(jù)集。

“人們總愛抱怨天氣預(yù)報連降雨量都預(yù)報不準……但事實上，如今我們能夠預(yù)測大西洋（Atlantic Ocean）的颶風在未來三天至五天的移動路徑，這本身就已經(jīng)是一項非凡成就了。”安德森說道，“幾十年前，根本做不到這一點。我們?nèi)缃窨梢匀〉眠@樣的成果，要歸功于整個氣象學(xué)界極為徹底且具有革命性的技術(shù)開放特性。”

盡管從理論上看，這一切都令人振奮，但谷歌DeepMind的這款模型仍然處于初期階段，在實時颶風精準預(yù)報方面尚未經(jīng)過充分驗證。機器學(xué)習(xí)模型不太可能完全取代基于物理原理的模型，因為兩者各有優(yōu)勢與局限。對氣象預(yù)報員來說，人工智能是工具箱中新增的“性能極強的工具”，而非實現(xiàn)氣象預(yù)報工作自動化的手段。

應(yīng)對商業(yè)風險

借助更精準、及時且貼合區(qū)域特點的天氣預(yù)報，企業(yè)能夠更有效地預(yù)判運營中斷風險、調(diào)配所需資源，進而降低供應(yīng)鏈面臨的風險。

人工智能還有望將天氣預(yù)報與現(xiàn)實數(shù)據(jù)更直接地結(jié)合，打造高度專業(yè)化預(yù)測服務(wù)。比如，貨運公司可以將天氣數(shù)據(jù)與自身運營數(shù)據(jù)相結(jié)合，規(guī)劃出更高效的運輸路線。

“通過整合道路狀況信息、傳感器數(shù)據(jù)、庫存信息及氣象數(shù)據(jù)，企業(yè)能夠針對天氣與人力因素交織作用下的價值鏈，實施優(yōu)化舉措。”美國國家海洋和大氣管理局的氣象項目辦公室（Weather Program Office）的副主任約翰·滕·霍夫（John Ten Hoeve）解釋道。

更重要的是，人工智能有望降低整體預(yù)報成本。雖然人工智能模型的訓(xùn)練成本高昂，但一旦研發(fā)完成，其運行速度快且成本低。這與傳統(tǒng)模型形成鮮明對比：傳統(tǒng)模型如果要進行多次模擬運算，成本便會急劇攀升。

“這些模型一旦訓(xùn)練完成，便極易獲取，只需要幾分鐘就可以在筆記本電腦上運行。”滕·霍夫表示，“這將以前所未有的方式實現(xiàn)氣象建模民主化。”

譯者：Zhy