美國(guó)國(guó)家海洋和大氣管理局（NOAA）近日正式上線一套全新一代基于人工智能的全球天氣預(yù)報(bào)模型，宣稱在顯著減少算力消耗的同時(shí)，實(shí)現(xiàn)更快速、更高精度的天氣預(yù)測(cè)，這標(biāo)志著美國(guó)天氣預(yù)報(bào)體系從傳統(tǒng)物理模型向數(shù)據(jù)驅(qū)動(dòng) AI 系統(tǒng)的重大躍遷。 NOAA 表示，這套技術(shù)已于本周三清晨投入業(yè)務(wù)運(yùn)行，是其推進(jìn)美國(guó)天氣預(yù)測(cè)系統(tǒng)現(xiàn)代化的重要一步。

這些 AI 模型由 NOAA 環(huán)境預(yù)報(bào)中心與國(guó)家氣象局合作研發(fā)部署，定位為對(duì)現(xiàn)有數(shù)值預(yù)報(bào)模型的補(bǔ)充，而非替代。 國(guó)家氣象局發(fā)言人 Erica Grow Cei 對(duì)媒體表示，當(dāng)前運(yùn)行的機(jī)器學(xué)習(xí)模型部分訓(xùn)練數(shù)據(jù)就來(lái)自仍在使用的傳統(tǒng)數(shù)值模式，那些依賴復(fù)雜物理方程的模式依舊是 AI 訓(xùn)練的重要信息源之一。

長(zhǎng)期以來(lái)，NOAA 的核心預(yù)報(bào)工具是“全球預(yù)報(bào)系統(tǒng)”（GFS），這一物理基礎(chǔ)模式通過數(shù)學(xué)方程來(lái)模擬大氣行為，生成氣溫、風(fēng)速、降水、臭氧以及土壤濕度等多種要素的數(shù)據(jù)，并由陸面、海洋和大氣等多個(gè)子系統(tǒng)協(xié)同構(gòu)成整體。 為減輕 GFS 的系統(tǒng)性偏差，NOAA 此前還構(gòu)建了“全球集合預(yù)報(bào)系統(tǒng)”（GEFS），通過多次模擬以覆蓋不同天氣情景的不確定性。

NOAA 環(huán)境預(yù)報(bào)中心副主任 Daryl Kleist 介紹稱，新一代 AI 模型正是以這些傳統(tǒng)模式多年積累的數(shù)據(jù)為基礎(chǔ)進(jìn)行訓(xùn)練，他指出，這些 AI 模型在預(yù)報(bào)技巧上的顯著提升，很大程度上歸功于其訓(xùn)練所用的“分析場(chǎng)”數(shù)據(jù)，而這些分析數(shù)據(jù)主要源自舊有數(shù)值模式框架。

在算力需求方面，NOAA 估計(jì)，新 AI 系統(tǒng)相較傳統(tǒng)預(yù)報(bào)模型可減少 91% 至 99% 的計(jì)算資源占用，大幅降低實(shí)時(shí)業(yè)務(wù)預(yù)報(bào)對(duì)超級(jí)計(jì)算集群的依賴。 同時(shí)，在保持或提升精度的前提下，這些模型有望將有效預(yù)報(bào)時(shí)效再向前拓展 18 至 24 小時(shí)。 Kleist 也提醒稱，此處統(tǒng)計(jì)的是模型運(yùn)行階段的能耗，并未計(jì)入前期 AI 訓(xùn)練本身所需的大量能源投入。

此次上線的 AI 預(yù)報(bào)體系由三大核心模型構(gòu)成。首先是“人工智能全球預(yù)報(bào)系統(tǒng)”（AIGFS），官方將其描述為一種利用 AI 技術(shù)，以更快、更高效方式生成天氣預(yù)報(bào)的新型全球模式。 按 NOAA 給出的數(shù)據(jù)，AIGFS 完成一份 16 天全球預(yù)報(bào)只需傳統(tǒng) GFS 約 0.3% 的計(jì)算資源，運(yùn)行時(shí)間約為 40 分鐘，這意味著業(yè)務(wù)預(yù)報(bào)員能夠更早獲得更新后的數(shù)值指引。

第二個(gè)模型為“人工智能全球集合預(yù)報(bào)系統(tǒng)”（AIGEFS），在 AIGFS 的基礎(chǔ)上引入集合思路，不再僅給出單一確定性結(jié)果，而是生成一系列可能的演變路徑，以量化天氣預(yù)報(bào)中的不確定性。 第三個(gè)模型“Hybrid-GEFS”則將新 AI 技術(shù)與 NOAA 既有的 GEFS 集合系統(tǒng)進(jìn)行融合，旨在在保留傳統(tǒng)集合體系優(yōu)點(diǎn)的同時(shí)，進(jìn)一步利用 AI 優(yōu)化對(duì)不確定性的表征和預(yù)報(bào)精度。

NOAA 強(qiáng)調(diào)，這一系列 AI 模型仍處于持續(xù)迭代階段，科研團(tuán)隊(duì)正在重點(diǎn)提升其在颶風(fēng)等高影響天氣預(yù)報(bào)方面的表現(xiàn)，并進(jìn)一步改進(jìn)集合系統(tǒng)所給出的各類可能情景范圍。 機(jī)構(gòu)認(rèn)為，隨著這些模型不斷完善，AI 有望在未來(lái)的極端天氣預(yù)警與中長(zhǎng)期預(yù)報(bào)中發(fā)揮越來(lái)越關(guān)鍵的支撐作用。