編輯 | 蘿卜皮

近日，臺(tái)風(fēng)蝴蝶正在我國南海地區(qū)肆虐……

臺(tái)風(fēng)極其危險(xiǎn)，不僅危及人們的生命，還會(huì)對(duì)它路過的城市、村莊、農(nóng)田等造成破壞，產(chǎn)生的損失難以估量。

因此，準(zhǔn)確預(yù)測臺(tái)風(fēng)是一件極其重要且極具價(jià)值的事情。

2025 年 6 月 12 日，Google DeepMind 與 Google Research 推出了Weather Lab來托管他們的實(shí)驗(yàn)性 AI 熱帶氣旋模型。該模型可以預(yù)測氣旋的形成、路徑、強(qiáng)度、大小和形狀，并生成最多提前 15 天預(yù)測的 50 種可能情景。

這將有助于決策者通過更有效的災(zāi)害準(zhǔn)備和更早的疏散來應(yīng)對(duì)臺(tái)風(fēng)，保護(hù)人們的生命財(cái)產(chǎn)安全。

臺(tái)風(fēng)或者說氣旋的預(yù)測極其困難，畢竟它涉及大量湍流系統(tǒng)，想想大學(xué)物理里用來描述湍流的方程，那叫一個(gè)復(fù)雜。

在基于物理的氣旋預(yù)測中，為了應(yīng)對(duì)實(shí)際需求，需要進(jìn)行近似計(jì)算，單一模型很難同時(shí)出色地預(yù)測氣旋的路徑和強(qiáng)度。全球低分辨率模型在預(yù)測氣旋路徑方面表現(xiàn)最佳，但是卻無法捕捉?jīng)Q定氣旋強(qiáng)度的精細(xì)尺度過程。

沒錯(cuò)，這是一個(gè)兩難的問題。所以，DeepMind 是怎么解決這些問題的呢？我們先看一篇他們新發(fā)布的論文。

論文鏈接：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/how-we-re-supporting-better-tropical-cyclone-prediction-with-ai/skillful-joint-probabilistic-weather-forecasting-from-marginals.pdf

論文里，DeepMind 研究人員介紹了一種簡單、可擴(kuò)展且靈活的方法FGN，這與 Weather Lab 所托管的模型密切相關(guān)。

這是一種用于天氣概率建模的全新方法，它結(jié)合了架構(gòu)、訓(xùn)練和推理功能，比他們之前推出的人工智能氣象預(yù)測模型GenCast更快、更靈活、性能更佳。

研究人員基于歐洲中期天氣預(yù)報(bào)中心（ECMWF）的ERA5再分析數(shù)據(jù)（該數(shù)據(jù)集通過數(shù)百萬條觀測數(shù)據(jù)重建了整個(gè)地球的過去天氣）和 HRES（包含過去 45 年來近 5,000 個(gè)觀測到的氣旋的路徑、強(qiáng)度、大小和風(fēng)半徑等關(guān)鍵信息）運(yùn)行初始條件訓(xùn)練 FGN，從而優(yōu)化連續(xù)排序概率評(píng)分 (CRPS)。CRPS 是概率天氣預(yù)報(bào)的常用頂級(jí)指標(biāo)。

FGN 在確定性和概率性指標(biāo)的基準(zhǔn)測試中全面超越 GenCast。其預(yù)測分布通常具有與先前模型相似甚至更好的校準(zhǔn)效果，對(duì)極端事件的預(yù)測同樣出色甚至更好。FGN 的熱帶氣旋路徑預(yù)測也顯著優(yōu)于先前的模型（ < 0.05），無論是平均軌跡還是路徑概率。

翻譯成普通話就是，他們的模型對(duì)氣旋軌跡和強(qiáng)度的預(yù)測與當(dāng)前基于物理的方法一樣準(zhǔn)確，甚至更準(zhǔn)確。

視頻：動(dòng)畫展示了實(shí)驗(yàn)性氣旋模型的預(yù)測結(jié)果。（來源：官網(wǎng)）

該團(tuán)隊(duì)一直與負(fù)責(zé)評(píng)估大西洋和東太平洋盆地氣旋風(fēng)險(xiǎn)的美國國家颶風(fēng)中心 (NHC) 合作，目的是更科學(xué)地驗(yàn)證他們的方法和結(jié)果。

NHC 的專家預(yù)報(bào)員現(xiàn)在可以實(shí)時(shí)查看該實(shí)驗(yàn)性氣旋模型以及其他基于物理的模型和觀測結(jié)果的預(yù)測。研究人員希望這些數(shù)據(jù)能夠幫助 NHC 改進(jìn)預(yù)報(bào)，并為與熱帶氣旋相關(guān)的災(zāi)害提供更早、更準(zhǔn)確的預(yù)警。

視頻：對(duì)珊瑚海三級(jí)氣旋「阿爾弗雷德」的預(yù)測展示。（來源：官網(wǎng)）

Weather Lab 還提供不同 AI 天氣模型的實(shí)時(shí)和歷史氣旋預(yù)測，以及歐洲中期天氣預(yù)報(bào)中心 (ECMWF) 的物理模型。他們的多個(gè) AI 天氣模型正在實(shí)時(shí)運(yùn)行，包括 WeatherNext Graph、WeatherNext Gen 和最新的實(shí)驗(yàn)性氣旋模型。

DeepMind 還推出了 Weather Lab 的互動(dòng)網(wǎng)頁，其中包含兩年多的歷史預(yù)測數(shù)據(jù)，供氣象專家和研究人員下載和分析，從而能夠?qū)λ泻Ｓ虻哪Ｐ瓦M(jìn)行外部評(píng)估。

Weather Lab 的用戶可以探索和比較各種人工智能和基于物理的模型的預(yù)測。綜合起來，這些預(yù)測可以幫助氣象機(jī)構(gòu)和應(yīng)急服務(wù)專家更好地預(yù)測氣旋的路徑和強(qiáng)度。這可以幫助專家和決策者更好地應(yīng)對(duì)不同情況，分享相關(guān)風(fēng)險(xiǎn)信息，并支持應(yīng)對(duì)氣旋影響的決策。

此外，小編在這里提醒大家：Weather Lab 是一個(gè)研究工具，它顯示的實(shí)時(shí)預(yù)測是由仍在開發(fā)中的模型所生成的，并不是官方的預(yù)警。想要了解天氣，小伙伴們?nèi)匀灰垂俜綒庀蟛块T的天氣預(yù)報(bào)。

結(jié)語

總之，將分析數(shù)據(jù)和氣旋數(shù)據(jù)一起建模，可以顯著提升模型的氣旋預(yù)測能力。

DeepMind 團(tuán)隊(duì)對(duì)美國國家颶風(fēng)中心（NHC）在北大西洋和東太平洋盆地觀測到的颶風(fēng)數(shù)據(jù)（測試年份為 2023 年和 2024 年）進(jìn)行的初步評(píng)估表明，新模型的 5 天氣旋路徑預(yù)測比 ECMWF 的 ENS更接近真實(shí)的氣旋位置，平均接近 140 公里。這與 ENS 3.5 天預(yù)測的精度相當(dāng)——這 1.5 天的改進(jìn)通常需要十多年才能實(shí)現(xiàn)。

科羅拉多州立大學(xué)大氣合作研究所 (CIRA) 的 Kate Musgrave 團(tuán)隊(duì)對(duì)該模型進(jìn)行了評(píng)估，發(fā)現(xiàn)其「在路徑和強(qiáng)度預(yù)測方面堪比甚至超越了最佳實(shí)際模型」。

Musgrave 表示：「我們期待在 2025 年颶風(fēng)季的實(shí)時(shí)預(yù)報(bào)中驗(yàn)證這些結(jié)果。」

在 DeepMind 發(fā)布的推文下面，有位網(wǎng)友感嘆道：「……AI 能夠解決實(shí)際問題而非僅生成文本……」。

最后，小編提醒正在受臺(tái)風(fēng)蝴蝶影響的小伙伴們，一定要注意安全！

相關(guān)內(nèi)容：

https://x.com/GoogleDeepMind/status/1933178921840693291

https://deepmind.google/discover/blog/weather-lab-cyclone-predictions-with-ai/?utm_source=X&utm_medium=social&utm_campaign=WeatherLab