華爲“盤古氣象”登上Nature！比全球最好數值天氣預報系統更準確

我們居住的地球，正在經歷着人類歷史上最熱的夏天（之一）。

2023 年 7 月 3 日，地球表面以上 2 米處記錄的全球平均氣溫首次超過了 17 攝氏度，是有記錄以來的最高溫度。除了人類活動，強勢的“厄爾尼諾”也是今夏全球高溫加劇的罪魁禍首之一。

圖｜地球表面以上 2 米處的全球平均氣溫（來源：緬因大學）

高溫不僅會導致部分地區停業、停產，給當地帶來經濟損失，也會危害我們的身體健康，甚至死亡，比如因長時間暴露在高溫環境下引起的熱射病等。

除了異常高溫，近年來頻發的海嘯、颱風（颶風）、洪水、冰雹等極端天氣，也同樣會對人類的經濟生活造成難以估量的負面影響。

據世界銀行估計，在全球範圍內，改進的氣象預測和預警系統不僅可以拯救數萬人的生命，還可以帶來每年 1620 億美元的經濟效益；另外，在過去 50 年中，超過 34% 的記錄災害、22% 的相關死亡人數（101 萬人）和 57% 的相關經濟損失（2.84 萬億美元），也與極端降水事件不無關係。

圖｜被災難性颶風肆虐後的小島。

因此，如何及時、準確地預測短時和未來的天氣狀況，已成爲科學家們試圖努力攻破的重要課題之一。

人工智能（AI）被寄予厚望，被認爲是“一個改善極端天氣預測的更快、更便宜的替代方案”。

那麼，AI 在協助氣象預報方面的潛力如何？目前的預測效果又怎麼樣呢？

今天，同時刊登在 Nature 上的兩篇關於“AI 氣象預報”的研究論文，便提到了兩種基於 AI 的氣象預報方法，其中一種方法能夠提前一週預測全球氣象模式，另一種方法則可以預測短時天氣，如極端降水事件。

據論文描述，這兩種基於 AI 的方法與現有方法的準確性相當，甚至可以預測此前難以預測的天氣現象。

然而，這些 AI 模型是否以及何時可以成爲氣象學家進行天氣預報的主要工具，目前仍然存在一些不確定性和爭議，主要的考慮因素在於，這些 AI 模型商業化後的運營成本高低以及是否可以贏得人們的信任。

天氣預報在幫助拯救生命和降低財產損失方面起着重要作用，尤其是在當前極端氣候事件愈發頻繁的情況下。

當前，最準確的預報系統爲數值天氣預報，這種方法主要依賴物理方程，但對算力的要求很高，需要高性能計算等方法來支持，而且速度通常很慢，單次模擬需要數個小時，即使在擁有數百個節點的超級計算機上。

近年來，一些基於 AI 的方法展現出了顯著提高天氣預報速度的潛力，可以在幾秒內生成一個 24 小時預報，但準確性一般不如數值天氣預報。

在題爲“Accurate medium-range global weather forecasting with 3D neural networks”的論文中，由華爲雲AI首席科學家田奇領導的研究團隊提出了一個基於AI的天氣預報系統——盤古氣象（Pangu-Weather），其主要技術貢獻包括設計3DEST架構並應用分層時間聚合策略進行中期預報。

圖｜網絡訓練和推理策略。（來源：Nature）

據介紹，這個 AI 模型使用了 39 年的全球再分析天氣數據作爲訓練數據，其預測準確率與全球最好的數值天氣預報系統 IFS 相當；更重要的是，前者在相同的空間分辨率下比後者要快 10000 倍以上。

然而，正如論文中所提到的，盤古氣象也存在一定的侷限性。

例如，該模型是在再分析數據上進行訓練和測試的，而實際的天氣預報系統使用觀測數據；沒有研究降水等天氣變量，而忽略這些因素可能會導致模型缺乏一些能力（如利用降水數據準確預測諸如龍捲風這樣的小範圍極端天氣事件）；該方法會產生更平滑的預報結果，增加了低估極端天氣事件波及範圍的風險；以及時間不一致等問題。

儘管如此，盤古氣象依然展示出了大型預訓練模型在天氣預報方面的潛力。未來，研究團隊希望通過融合更多垂直層次和大氣變量、整合時間維度並訓練 4D 深度網絡、使用更深和更寬的網絡等方法，實現模型的進一步迭代。

極端降水是導致氣象災害的一個重要因素，因此非常需要通過具有高分辨率、充足準備時間和局部細節的精確預報來減輕其社會經濟影響。

在氣象預報中，有一種非常短期的天氣預報，即從當前時間到未來 6 小時的“臨近預報”，主要用來提供即時天氣的詳細信息，對於極端降水事件的風險預防和危機管理非常重要。

然而，目前的方法存在模糊、耗散、強度或位置誤差等問題，基於物理學的數值方法難以捕捉關鍵的混沌動力學（如對流啓動），而數據驅動的學習方法未能遵守內在的物理規律（如對流守恆）。

在另一篇論文中，由機器學習領域泰斗、加州大學伯克利分校教授 Michael Jordan 和清華大學教授王建民領導的聯合研究團隊提出了一個結合物理規律和深度學習進行實時預報降水的模型——NowcastNet。

圖｜NowcastNet 的設計架構。（來源：Nature）

據介紹，NowcastNet 在臨近預報方面表現出色，基於雷達觀測數據，可以做到提前3 小時對 2048 km × 2048 km 的區域進行高分辨降水預測；在一項涉及極端降水預測能力的評估中，該模型在約 70% 的預測中超過了其他方法；此前很難預測的極端降水事件方面，表現尤其突出。

在一篇與上述論文同時發表的“新聞與觀點”文章中，科羅拉多州立大學研究教授 Imme Ebert-Uphoff 和研究助理 Kyle Hilburn 認爲，這些方法非常有前途，甚至有可能引發一種範式轉變，即基於生成式 AI 的模型可以完全取代數值天氣預報。

然而，他們也提醒到，這些 AI 模型也存在一些潛在風險。例如，當在從未見過的條件下運行時，AI 系統的行爲通常是不可預測的。

因此，要想避免這些風險，就需要氣象學家參與進來，學習設計、評估和解讀這類系統。

對此，同樣在科羅拉多州立大學任職的 Russ Schumacher 教授表示，“人們對 AI 的擔憂通常在於它是一個黑匣子，你只需輸入一些數字並取出一些數字，卻不知道其間的過程如何運作。”

另外，儘管氣象學家們尚未完全接受這種“AI 魔法”，但他們已經在學習如何將用於運行傳統模型的大氣觀測數據實時提供給 AI 模型，以及獲得更多使用這些 AI 模型的經驗。

未來，建立對“黑匣子”模型的信任或許依然需要一些時間，但將 AI 模型用在氣象預報的實踐，會在這股 AI 浪潮中繼續向前。

關於 AI氣象預報，你怎麼看？