Google DeepMind

Google DeepMind部门近日发表AI模型GenCast，可提供未来15天的气象预报，宣称比欧洲权威机构还准，也准备不久后将相关数据开源。

GenCast是高分辨率（0.25°）AI整体模型（AI ensemble model）。所谓整体学习模型是指多个不同的机器学习模型（称为基础学习器）组合在一起，以便提高预测准确度和性能。GenCast是以DeepMind去年公布的气象模拟模型GraphCast为基础，前者是以单一模型提供未来天气最佳预测，并且是决定论（deterministic），指模型行为完全可预测，在相同的输入条件下，每次运行的结果都是一样。

但GenCast的预测则是集结50个或更多预测而成，每种预测都代表一种可能的天气发展轨迹。

GenCast为一个扩散模型。许多图片、视频和音乐生成模型的底层都是扩散模型。但GenCast差别在于它已融入地球的球形几何，而且若能给它最近天气状态，它就能准确生成未来气象的复杂概率分布。

DeepMind团队为它输入欧洲气象预报龙头欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的ERA5文件2018年以前的40年历史数据。这批数据涵括不同海拔的温度、风速、压力。这个模型直接以这些天气数据以0.25°分辨率学习全球气象样态。

在评估性能时，研究人员利用ECMWF 2019年后的数据来评估预练好的GenCast模型。研究团队比较总共1320种组合的预测，涵括不同预测天数（如1、3、5、7天）、不同变量，结果显示GenCast在97.2%的数据预测准确率超过欧洲官方的ENS模型，而在36小时以上的预测中，则有99.8%的数据超过ENS模型。GenCast在多种决策情境，预测极端气候的价值超越现有运作最顶级的ENS模型。

以整体预测作为气象预报，如果大部份预测显示热带气旋袭击地区相同，不确定性就低。如果预测的袭击地点各式各样，表示高度不确定。GenCast则可取得折衷，防止高估或低估预测的信心水准。研究小组以2019年侵袭日本东南的强烈台风哈吉贝（Hagibis）为例说明，虽然GenCast在7天前的预测路径很分散，但接下来就越来愈集中。

GenCast的整体预测（ensemble）在单一颗Google Cloud TPUv5上只用了8分钟即产生15天预测。每种预测皆可同时产生。相较之下，传统整体预测，像是ENS以0.2°或0.1°分辨率产生的预测工作，则需要在一台数万颗CPU的超级电脑上运算数小时。

GenCast是Google AI气象预测研发的最新进展。连同DeepMind的GraphCast、Google Research的NeuralGCM、SEEMS、洪水预测模型等，都将逐渐集成在Google搜索和地图中，增加对降雨、野火、洪水及热浪等预测能力。

DeepMind承诺很快会开放GenCast的即时和历史预测数据，以及之前的模型，让其他研究团队将之整合到自有研究和模型中，也期望能和学术、气象、数据科学家、再生能源业者及食物安全与灾难回应组织合作，以利模型的实证研究。