参考消息网3月22日报道 据英国《新(xin)科学家》周(zhou)刊网站(zhan)3月20日报道，一款人工智能(neng)(AI)天气预(yu)报程序的开发者(zhe)说，这款在台式电脑上(shang)运行的程序可以在一秒钟内预(yu)测(ce)天气，准确性与传统天气预(yu)报不相(xiang)上(shang)下，而传统天气预(yu)报要在功(gong)能(neng)强(qiang)大的超(chao)级计算机上(shang)运行数小时甚至数天才能(neng)得(de)出结果。
自20世纪(ji)50年代以来，天气预(yu)报一直依赖物(wu)理学模型，这些模型根据卫星、气球和气象站(zhan)的观(guan)测(ce)数据进行推断。但这种所(suo)谓的数值天气预(yu)报(NWP)需要巨大的计算量(liang)，且依赖于庞大、昂(ang)贵且耗能(neng)高的超(chao)级计算机。
近年来，研究人员试图通过AI来简化这一过程。美国GOOGLE企业的科学家们去年开发出一种AI工具，它可以替代天气模型中每个(ge)单元(yuan)里的小部(bu)分复杂代码，大大减少了所(suo)需的算力。随(sui)后，GOOGLE旗下的“深层思维(wei)”企业(DeepMind)更进一步，用AI取(qu)代了整个(ge)天气预(yu)报过程。欧洲(zhou)中期天气预(yu)报中心已采用了这种方法，该中心上(shang)月推出了一款名为“AI预(yu)报系统”的工具。
不过，尽(jin)管AI在天气预(yu)报中作(zuo)用的越来越大，但仍无法完全取(qu)代所(suo)有传统的数字密(mi)集运算。英国剑桥大学的理查德·特纳及其同事(shi)希(xi)望通过他们开发的一个(ge)新(xin)模型改变(bian)这一现状(zhuang)。
特纳说，之前的研究仅限于预(yu)报的过程，跳过了一个(ge)名为“初始化”的步骤。在这一步骤中，来自全球各(ge)地卫星、气球和气象站(zhan)的数据会被整理、清理、处(chu)理，然后合并成一个(ge)有序的网格，预(yu)报工作(zuo)便从这个(ge)网格开始。特纳说：“实际上(shang)，这一步就占用了一半的计算资源。”
研究人员开发了一个(ge)名为“土豚天气”(Aardvark Weather)的模型，首次同时取(qu)代了预(yu)报和初始化阶段。特纳及其同事(shi)在一项评估该方法的研究报告中说，该模型仅使用了现有系统10%的输入数据，但能(neng)获得(de)与最新(xin)的NWP预(yu)测(ce)结果接(jie)近的结果。
使用“土豚天气”模型在一台普通台式电脑上(shang)生成一份完整的天气预(yu)报大约只需1秒钟，而用NWP在超(chao)级计算机上(shang)生成同样的预(yu)报则可能(neng)需要数小时甚至数天时间。
然而，“土豚天气”模型使用的是地球表面的网格模型，其单元(yuan)格为1.5度见(jian)方，而欧洲(zhou)中期天气预(yu)报中心的ERA5模型使用的网格单元(yuan)格小至0.3度。英国曼彻(che)斯特大学的戴维(wei)·舒尔茨说，这意(yi)味着“土豚天气”模型过于粗糙(cao)，无法准确反映复杂多(duo)变(bian)的天气模式。
舒尔茨说：“有很(hen)多(duo)尚未解决的问题(ti)可能(neng)会影响你(ni)的预(yu)报结果。它们根本无法反映极端(duan)情况。基于当前设计，它们无法解决这个(ge)问题(ti)。”
特纳认为，在捕捉气旋等(deng)异常天气事(shi)件(jian)方面，“土豚天气”模型比(bi)一些现有模型更胜一筹。但他也承认，像(xiang)他开发的这种AI模型在训练时也完全依赖于物(wu)理学模型。他说：“如果没有训练数据，只使用观(guan)测(ce)数据来训练，那绝对行不通。大家确实尝试过这样做，即完全不使用物(wu)理学模型，但没有成功(gong)。”
他认为，天气预(yu)报的未来可能(neng)依赖于科学家们开发出越来越精确的物(wu)理学模型，然后用这些模型来训练AI，使AI模型能(neng)够更快地复制(zhi)输出，并且所(suo)需的硬件(jian)更少。一些人对AI的前景甚至更为乐(le)观(guan)。
英国牛津大学的尼(ni)基塔(ta)·古里亚诺夫认为，假以时日，AI在天气预(yu)报领域将超(chao)越NWP。他说，AI将仅基于观(guan)测(ce)数据和历史天气数据进行训练，完全独立于NWP做出准确预(yu)测(ce)。（编译/王栋栋）
研究人员在笔记本电脑上(shang)运行“土豚天气”AI模型（英国剑桥大学网站(zhan)）