人類的天氣預報曆史已經超過了幾千年，而最近的科學突破使預報員能夠更好地預測天氣。

近些年來，全球天氣異常現象似乎越發頻繁，其對人類生命和财産安全的威脅也日漸增大。在此背景下，能夠精準的預報天氣已經成了現代社會的一項剛需。

日前，谷歌的人工智能（AI）部門DeepMind宣布開發了一個系統，允許預報員以更高的精度預測未來幾小時内的降雨概率。

而通過人工智能技術預測天氣情況也标志着幾千年的氣象學發展長河湧現出了一座新的裡程碑。

▍從占星術到人工智能

幾千年來，人們一直試圖精确預判出什麼時候會下雨。早在公元前650年，位于現代伊拉克和叙利亞的巴比倫人就試圖根據雲型和占星術來預測天氣。

到公元前350年，希臘哲學家亞裡士多德在文本中描述了天氣模式，甚至耶稣基督本人也在《新約》中對天氣預報進行了嘗試。

然而，随着1835年電報機的發明，天氣預報的科學時代才真正開始。不久之後，英國皇家海軍軍官弗朗西斯·蒲福（Francis Beaufort）開發了風力量表，後世又稱之為“蒲福風力等級表”。

1859年10月，英國“皇家憲章”号在安格爾西島北岸的風暴中沉沒，這激發了皇家海軍中将、水文地理學家、氣象學家的羅伯特·菲茨羅伊（Robert FitzRoy）制作天氣圖，他稱之為“預報”（forecasts），這也是該術語的第一個已知用法。

羅伯特·菲茨羅伊

緊接着，他又幫助建立了15個地面站，這些地面站使用電報傳送每日天氣報告，并直接促成了大風警報服務的建立。1861年，第一份每日天氣預報在《泰晤士報》上發表。

到了20世紀，科學家對大氣物理學理解的進步催生了現代的數值天氣預報。

從那時起，天氣預報技術就系統地囊括了分析與氣壓、空氣速度、降水和溫度有關的數據。這些數據是從世界各地收集的，并被輸入超級計算機進行分析。

“而進入21世紀後，天氣預報服務對數據的解釋各不相同，這便導緻了不同的預報結果。”倫敦大學學院高級空間分析中心的教授 Hannah Fry 解釋說。

她補充說：“這些應用程序在如何處理所有這些不确定性方面存在巨大差異，一些應用程序會比其他應用程序更加悲觀。”

随着技術的不斷發展，更多的觀測數據将被捕獲，從而使得應用程序能夠以更快的速度為更小的地區提供預報。

▍DeepMind做了什麼？

在一篇發表于《自然》（Nature）雜志上的論文中，50多位氣象局的氣象學家将DeepMind的人工智能模型與兩個現有的降雨預測工具一起進行了評估，結果其準确性和有效性在88%的案例中名列前茅。

開發該模型的DeepMind公司稱，這标志着專業預報人員首次表示，與傳統方法相比，他們更喜歡基于機器學習的模型。這為利用人工智能開發新的天氣預報方法鋪平了道路。

一般來說，“臨近預報”是天氣決策的關鍵，因為它為應急服務、能源管理、零售、洪水預警系統、空中交通管制、海事服務等的運作提供信息。

但是，要使現在的臨近預報有用，預報必須提供準确的預測，并考慮到不确定性，包括可能對人類生活産生重大影響的事件。

近幾年來，各家公司已經開發了幾種基于機器學習的方法。它們通過對雷達觀測的大型數據集進行訓練，旨在更好地模拟強降水和其他難以預測的降水現象。

例如，谷歌與美國國家海洋和大氣管理局（NOAA）合作，研究和開發可能用于NOAA企業的機器學習系統。微軟也資助了從曆史數據中識别重複的天氣和氣候模式的項目，以此來改善次季節和季節性的預測模型。

但DeepMind指出，人工智能現在的預測模型并不總是包括小規模的天氣模式或提供整個地區的預測。作為替代方案，該公司創建了一個用于預測的深度生成模型（DGM），它學習了數據的概率分布，以便從其已知分布中生成“臨近預測”。

DeepMind宣稱，DGM可以預測天氣事件，而由于潛在的随機性，這些事件本身就很難追蹤。此外，它們可以像調整過的系統一樣準确地預測降水的位置，同時保留了對決策有用的屬性。

DeepMind用2016至2018年間英國雷達記錄的降水事件的大型數據集訓練了其DGM。訓練完成後，它可以在一秒鐘内提供預報信息，并且隻依靠單個NVIDIA V100 GPU運行。

與其他流行的預報方法（包括其他機器學習模型）相比，DeepMind的DGM在長達1,536公裡乘1,280公裡的區域産生了更真實和一緻的預測，且提前5至90分鐘做出了預報。

“通過50多位專家氣象學家的系統評估，我們發現，我們的生成模型在89%的情況下與兩種競争方法相比，其準确性和實用性排名第一，”該論文寫道。“這表明生成式臨近預報可以提供概率預測，提高預測價值并支持業務效用，而且是以替代方法難以企及的分辨率和準備時間提供預報。”

▍真實世界的應用

“降水‘臨近預報’支持依賴天氣決策的許多部門的現實社會經濟需求，”DeepMind 的論文中寫道。“成熟的臨近預報是一個長期存在的問題，對許多依賴天氣的決策都很重要。我們使用深度生成模型的方法直接解決了這一重要問題，改進了現有的解決方案，并為現實世界的決策者提供了所需的洞察力。”

最近的一項 CDP 分析發現，500家最大的公司在未來的幾十年裡可能面臨大約1萬億美元的與氣候變化相關的成本，除非他們采取積極的措施做好準備。

以前的研究估計，如果不加以管理，全球變暖的風險可能會使世界金融業損失1.7萬億美元到24.2萬億美元。一個鮮明的例子是，加州最大的電力公司太平洋天然氣和電力公司在2019年1月僅火災責任就面臨高達300億美元的賠償。

Facebook 首席人工智能科學家Yann LeCun和谷歌大腦聯合創始人Andrew Ng等人都斷言，緩解氣候變化和促進能源效率是人工智能研究人員值得挑戰的問題。

DeepMind資深科學家Shakir Mohamed說：“人工智能有可能幫助我們回答環境科學中一些最複雜的科學問題，如氣候變化。”

“這次試驗表明，人工智能現在就可以成為一個強大的工具，因為它可以讓預報員花更少的時間在不斷增加的預測數據中翻找，而是更好地理解他們預測的含義。”Mohamed說。

英國氣象局的夥伴關系和産品創新主管Niall Robinson說：“極端天氣會帶來災難性後果，包括人員傷亡，而且随着氣候變化的影響，這些類型的事件将變得更加普遍。因此，更好的短期天氣預報可以幫助人們保持安全和福祉。這項研究表明，人工智能作為一種強大的工具，有可能改善我們的短期預測和對我們的天氣模式如何演變的理解。”

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!