概述
人工智慧天氣模式直接從過去幾十年的觀測中學習大氣模式，在幾秒鐘內產生 10 天的預測，可以與需要數小時運行的基於物理的超級電腦模型相媲美或擊敗。這正在重塑氣象學家預測風暴、熱浪和颶風的方式。
天氣預報中的人工智慧將人工智慧應用於特定領域的環境中，在這些環境中，法規、營運和風險承受能力強烈影響設計選擇。
深入探討
70 年來，天氣預報意味著在巨型超級電腦上求解流體物理方程，這個過程稱為數值天氣預報 (NWP)。 AI 顛覆了這種方法：Google DeepMind 的 GraphCast、華為的盤古天氣和 NVIDIA 的 FourCastNet 等模型均在 ERA5 再分析資料集（約 40 年的每小時全球天氣）上進行訓練。他們了解今天的大氣層和明天的大氣層之間的統計關係，然後透過模式匹配而不是模擬物理進行預測。 GraphCast 在單一 TPU 上不到一分鐘就能以 0.25 度的解析度產生 10 天的全球預測，而在超級電腦叢集上則需要數小時。 2023 年，GraphCast 在大多數變數上都優於黃金標準 ECMWF 模型。歐洲中心現在運行自己的人工智慧操作模型 AIFS。
技術洞察
GraphCast 將地球表示為圖表：以多個尺度連接的節點的多重網格，讓資訊在本地和長距離內透過幾個步驟傳播。圖神經網路取得當前和先前的大氣狀態，然後預測未來 6 小時的狀態。為了預測 10 天，它以自回歸方式回饋自己的輸出 40 次。訓練優化了壓力水平和溫度、風和濕度等變數的加權誤差。
掌握天氣預報中的人工智慧
人工智慧天氣模式直接從過去幾十年的觀測中學習大氣模式，在幾秒鐘內產生 10 天的預測，可以與需要數小時運行的基於物理的超級電腦模型相媲美或擊敗。這正在重塑氣象學家預測風暴、熱浪和颶風的方式。天氣預報中的人工智慧將人工智慧應用於特定領域的環境中，在這些環境中，法規、營運和風險承受能力強烈影響設計選擇。為了建立深入的理解，請將天氣預報中的人工智慧視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，在天氣預報中使用人工智慧的強大團隊將技術能力與領域政策、可審計性和第一線決策相結合。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
產業背景決定了人工智慧創意能否與現實接觸。同時，監管要求可能會使原本強大的原型失效。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
產業背景決定了人工智慧創意能否與現實接觸。
產業背景決定了人工智慧創意能否與現實接觸。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
領域約束會影響可接受的錯誤率和監督模型。
領域約束會影響可接受的錯誤率和監督模型。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
成功的部署使技術能力與第一線工作流程保持一致。
成功的部署使技術能力與第一線工作流程保持一致。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
Google DeepMind 的 GraphCast 可在一分鐘內產生 10 天的全球預報，用於提前幾天標記氣旋路徑
ECMWF 運行其可操作的 AIFS 模型，以補充其傳統的基於物理的歐洲天氣服務預報
NVIDIA 的 FourCastNet 快速產生大型集合來估計極端風和降水事件的機率
GenCast 產生的機率集合預報在 97% 的測試天氣目標上擊敗了 ECMWF 的 ENS，從而改進了熱帶氣旋路徑指導
實施模式
人工智慧在天氣預報的實踐
Google DeepMind 的 GraphCast 可在一分鐘內產生 10 天的全球預報，用於提前幾天標記氣旋路徑。
Google DeepMind 的 GraphCast 在不到一分鐘的時間內產生 10 天的全球預測，用於提前幾天標記氣旋路徑。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
人工智慧在天氣預報的實踐
ECMWF 運行其可操作的 AIFS 模型，以補充其傳統的基於物理的歐洲天氣服務預報。
ECMWF 運行其可操作的 AIFS 模型，以補充其針對歐洲氣象服務的傳統基於物理的預測。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在天氣預報的實踐
NVIDIA 的 FourCastNet 快速產生大型集合來估計極端風和降水事件的機率。
NVIDIA 的 FourCastNet 快速產生大型集合來估計極端風和降水事件的機率。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在天氣預報的實踐
GenCast 產生的機率集合預報在 97% 的測試天氣目標上擊敗了 ECMWF 的 ENS，從而改善了熱帶氣旋路徑指導。
GenCast 產生的機率集合預報在 97% 的測試天氣目標上擊敗了 ECMWF 的 ENS，改進了熱帶氣旋路徑指導。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
監理要求可能會使原本強大的原型失效。
歷史資料可能會編碼損害特定社區的偏見。
遺留系統可能會造成整合瓶頸和隱性成本。
實施路線圖
讓領域專家參與從問題框架到評估的整個過程。
讓領域專家參與從問題框架到評估的整個過程。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在啟動前設計審計追蹤和文件。
在啟動前設計審計追蹤和文件。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
儘早驗證合規性和安全義務。
儘早驗證合規性和安全義務。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
分階段推出，並有明確的停止和回滾標準。
分階段推出，並有明確的停止和回滾標準。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。