谷歌 DeepMind 近日发布了一项重磅研究成果：AI 天气预测模型 GenCast。模型能够提前 15 天预测天气，并且对极端天气事件具有高精度预测能力。作为全球首个高分辨率（0.25°） AI 天气预测的概率集成模型，GenCast 在性能上全面超越了现役的顶尖预测系统，例如欧洲中期天气预报中心（ECMWF）的 ENS。
AI 助力天气预测迈向新高度
随着气候变化的加剧，极端天气事件的频发使得更准确的天气预测变得至关重要。传统天气预报模型虽然可以提供一定的准确率，但在面对长时间范围的预测时，往往难以避免不确定性。为解决这一问题，科学家们通常采用概率集成预测（ensemble forecasting），通过生成多种天气场景，帮助决策者评估未来可能的天气条件及其概率分布。
GenCast 的推出标志着 AI 在天气预测领域迈出了关键一步。与以往的单一预测模型不同，GenCast 能够生成 50 种或更多可能的天气轨迹，并通过概率分布提供全面的预测画面，帮助用户更好地理解未来天气的不确定性。
模型技术亮点
基于扩散模型的生成式AI
GenCast 采用了扩散模型，这是一种支持图像、视频和音乐生成的先进生成式 AI 技术。为了适应天气预测的需求，GenCast针 对地球的球面几何特性进行了优化，并学习了全球天气模式的复杂概率分布。
海量历史数据训练
GenCast 的模型训练依赖于超过四十年的历史天气数据，这些数据来自 ECMWF 的 ERA5 数据库，包括温度、风速、气压等多种变量。通过这些数据，GenCast 掌握了全球范围内的天气变化规律。
高效计算能力
与传统天气模型需要数小时并依赖于超算集群不同，GenCast 仅需一台 Google Cloud TPU v5，即可在8分钟内完成一次15天的预测。其高效性使得极端天气的实时预测成为可能。
性能超越传统模型
通过对2019年的数据进行测试，研究团队发现，GenCast 在97.2%的目标任务上优于当前顶尖的 ENS 模型，尤其在预测时间超过36小时时，这一优势更是达到了99.8%。
对于极端天气事件（如热浪、强风或台风等），GenCast 表现尤为突出。例如，在预测台风路径时，GenCast 能够在提前7天时生成可能路径的广泛分布，随着时间推进，其预测路径逐渐收敛为高置信度的精准结果。
此外，GenCast还在 风能预测 等可再生能源领域展现了强大潜力。更准确的风力发电预测，有望提升风能作为可持续能源的可靠性，并推动其更广泛的应用。
推动天气预报与气候研究的未来
作为谷歌 AI 天气预测工具的重要组成部分，GenCast 与 DeepMind 此前开发的其他模型（如 NeuralGCM 和 SEEDS）一起，正在为谷歌搜索和地图等用户体验提供支持，同时助力降水、洪水、极端高温等现象的预测。
DeepMind 已经将 GenCast 的代码、模型权重和预测结果开源，旨在推动气象学界和人工智能领域的进一步合作。通过与气象机构、数据科学家、可再生能源公司以及食品安全和灾害响应组织的合作，GenCast 将为人类社会带来更深远的影响。
展望：AI与传统气象学的结合
尽管 AI 模型性能卓越，传统物理模型仍然在天气预测中占据重要地位。它们不仅为 AI 模型提供训练数据，也为初始条件的设定奠定了基础。GenCast 的成功再次证明了 AI 与传统气象学结合的力量，未来的气象预测将更加高效、精准，并惠及更多领域。
该研究成果已发表在《Nature》杂志，代码和模型权重已全面开放，研究团队诚邀学术界和产业界展开合作，推动天气预测技术的革新。
