Google DeepMind 正在使用人工智能模型预测飓风抵达前的路径和强度，试图缩短计算时间，并提高面向社区和应急机构的预警准确性。该公司表示，WeatherNext 模型使用 50 年的历史气象数据进行训练，可在单个 TPU 处理器上运行，而不需要传统模型所依赖的大型计算基础设施。
相关内容来自对 Google DeepMind 研究科学家 Ferran Alet 的采访，他参与了 WeatherNext 模型的开发。Alet 解释说，cyclone、hurricane 和 typhoon 在科学上指的是同一种现象，只是根据地理区域不同而采用不同名称。
从物理模拟到人工智能辅助预测
历史上，飓风预测依赖物理模型，这些模型利用全球传感器的数据模拟流体动力学定律。这一过程需要使用体积相当于集装箱或数层楼建筑的大型超级计算机，而且可用数据可能不完整或受到噪声干扰。Google DeepMind 表示，由于模型不断改进、卫星数量增加以及计算能力提升，预测准确性的改善速度大约相当于每十年增加一天的提前预测能力。
WeatherNext 增加了一个人工智能层，通过从过去和当前数据中学习模式，帮助估计未来情况。该公司表示，这种方法在单个模型世代中实现了相当于原本预计需要一个完整十年才能取得的进步。该公司还指出，对飓风将抵达的位置以及登陆时强度的预测都有所改善。
实际会发生什么变化？
气象机构正在研究将公共预报的预测时限从五天延长至七天。多出的一天可能让当局和社区拥有更长的准备时间，但这并不意味着不再需要物理模型或气象专家的人工审查。
Google DeepMind 以 Melissa 飓风为例，说明提前预警的价值。据采访内容，该公司在飓风季开始前为国家飓风中心提供了支持，高置信度的人工智能预测促成了对飓风快速增强的预警：这场飓风最初看起来属于一级，随后增强至五级。该公司还表示，牙买加当局因此获得了额外一天的应急准备时间。
向研究人员开放模型
Google DeepMind 宣布将 WeatherNext 2 模型和 WeatherNext 飓风模型作为开源资源提供，同时推出交互式 Weather Lab 网站。此举旨在让学术界和科学家能够试用这些模型，并开展极端天气预测方面的新研究。
certi.news 的解读
这里最重要的变化不只是将人工智能用于气象领域，而是将公开宣称的运行要求从超级计算机降低到单个处理器，并有可能向科学研究开放这些模型。这或许会扩大能够测试飓风预测的机构范围，但消息来源是 Google DeepMind 发布的介绍，本文没有提供独立的对比结果，也没有给出预测准确性改善幅度的量化细节。因此，WeatherNext 的实际效果，尤其是在处理数据缺失或快速发展的风暴时，仍需要气象机构和独立研究人员进行评估。