参考消息网11月29日报道 据德国新闻电视频道网站11月24日报道，谷歌“深层思维”公司新推出的天气预报人工智能模型GraphCast不仅仅在气象学家当中引起了轰动，在某些情况下，它的预测能力甚至超过了最强大的天气预报模型——而且效率惊人。

7月14日，巴基斯坦气象部门的工作人员正在监测天气状况。（法新社）

人工智能会很快取代传统的天气预报吗？

谷歌“深层思维”公司的研究人员最近在《科学》杂志发表研究报告，介绍了名为GraphCast的新型天气预报人工智能模型。研究人员称，它可以高质量地预测未来10天的天气情况，而且效率极高。甚至根据欧洲中期天气预报中心（ECMWF）专家的评估，在高达90%的情况下，GraphCast对温度和降水等变量的预测优于该中心的最佳天气预报模型（IFS HRES）。GraphCast通常还可以比传统天气预报模型提前数天预报热带气旋的路径。

更重要的是，GraphCast的效率也高出了几个数量级，因为这款谷歌人工智能需要的算力大大减少。而且，据谷歌公司称，它甚至只需一台处理器即可运行。即便如此，它提供结果的速度却快了1000倍——这是一个显著的进步。研究人员称，这是天气预报史上的一个转折点。

传统的数值天气预报模型通常在巨型数据中心昂贵且耗能的超级计算机上运行，由于其复杂性，每次计算通常耗费数小时。因此，这种借助人工智能（如GraphCast）实现的改进意味着可以节约巨额成本。

改进数值模型本身也会消耗大量资源，并且涉及气象学和其他自然科学的许多不同研究领域。虽然基础研究本身不太可能因此失去重要性，因为它对解释和理解模型以及预报也至关重要，但鉴于传统天气预报模型的优化过程复杂且昂贵，使用人工智能模型或许也能使现有资源得到更好的利用。

人工智能通常指使用了所谓神经网络的算法。神经网络由许多节点组成，它们构成了一个广泛分布的网络，类似于人脑中的神经细胞。这些节点之间的连接最初是等值的，但通过样本数据训练后，它们会被改变或加权。接受这种方式训练的神经网络可以识别大量数据中的模式，然后对输入数据进行分类或从中得出预测结果。训练完成后，人工智能可被用于其他数据，并根据目标设定从这些数据中获得所需的结果。原则上，也可以用同样的方法处理天气数据。

另一方面，传统的天气预报基于几十年来不断改进的数学和物理模型，通过高度复杂的计算公式，从初始数据中计算出预测结果。然而，由于物理原因，其中许多公式只能被近似确定和应用。模型或预报的精确度和分辨率（空间和时间上）越高，相关数据中心所需消耗的资源就越多。人工智能因采用完全不同的方法，可以在一定程度上规避这个问题。

然而，人工智能技术完全不同的方法也会带来问题。人工智能并非在所有情况下都比从前的天气预报模型更有优势。

以最近墨西哥海岸突如其来的飓风“奥蒂斯”为例，在以出乎预料的破坏力袭击阿卡普尔科附近的墨西哥海岸前，飓风的强度曾有大幅提升。对此，GraphCast并没有显示出相对传统天气预报模型的任何优势，在预测中欧最近发生的几次风暴方面，情况也是如此。

这大概与人工智能只能通过历史天气数据进行训练有关。在气候变化不断加速、气候系统即将或已经开始发生根本性变化的时代，这可能是一个决定性弱点。因此，人工智能可能会低估或完全误判气候变化带来的新发展。

德国于利希超级计算中心的研究人员在2021年发表的研究报告中就已指出，从理论上讲，传统的数值天气预报模型迟早会被人工智能模型完全取代。不过，这仍需实现更大的技术突破，特别是将关键的物理定律嵌入人工智能算法。这样才能将传统天气预报的优势与人工智能的优势结合起来，并消除人工智能目前的弱点。

到目前为止，人工智能至少可以作为传统数值模型的补充，或取代部分传统工作流程。在人工智能完全接管天气预报工作之前，还需人类智能首先在该领域取得一些成就。谷歌的研究人员自己也认为，到目前为止，他们的工作只是对现有模型的补充。因此，人工智能还不是解决天气预报现有问题的灵丹妙药，但其发展速度相当可观。