DeepMind 的研究員 Remi Lam 入選 Nature 年度十大人物

原標題：DeepMind與Google Research齊發力，多技術路線打造AI天氣預報的「六邊形戰士」
文章來源：HyperAI超神經
內容字數：6943字

Google DeepMind引領AI天氣預報

本文總結了Google DeepMind和Google Research在天氣預報領域取得的重大突破，以及該領域整體發展趨勢。文章重點關注Rémi Lam及其團隊的貢獻，他因在利用機器學習改進天氣預報方面的杰出成就而入選Nature 2024年度十大人物。

1. GraphCast和GenCast：DeepMind的雙劍合璧

   DeepMind先后推出了GraphCast和GenCast兩個天氣預報模型。GraphCast是一個基于圖神經網絡的自回歸模型，可在1分鐘內預測未來10天全球天氣，準確率顯著高于傳統系統。GenCast則基于擴散模型和Transformer，能在8分鐘內生成包含隨機性的15天全球天氣預報，空間分辨率更高，尤其在極端天氣預測方面表現出色。

2. 技術路線探索：AI與傳統數值預報的融合

   文章探討了DeepMind為何沒有選擇像AlphaFold一樣持續迭代單一模型的策略。這主要是因為短期、中期、長期天氣預報對精度和分辨率的要求不同，難以用單一模型滿足。目前的研究多集中在單項任務上，力求在準確性和效率上取得突破。Google的研究也體現了這種策略，GraphCast專注中期預報，而NeuralGCM則結合了傳統大氣環流模型(GCM)和神經網絡，實現了長期氣候預測。

3. NeuralGCM：AI與傳統數值預報的完美結合

   Google Research發布的NeuralGCM模型，融合了大氣動力學可微分求解器和機器學習，將傳統物理方法與AI優勢結合。它在1-15天甚至10年的天氣和氣候預測中都表現出色，準確性與歐洲中期天氣預報中心(ECMWF)的模型相當。NeuralGCM利用AI處理小尺度現象，并糾正傳統方法的誤差，實現了性能的跨越式提升。

4. 百家爭鳴：AI天氣預報領域的競爭格局

   除了Google，華為、微軟、英偉達等公司也在積極研發AI天氣預報系統，各有特點。華為的盤古氣象大模型預測速度大幅提升；微軟的Aurora模型具有高空間分辨率；英偉達則打造了開放的EARTH-2平臺。學術界也貢獻了眾多成果，例如FengWu-GHR模型和“伏羲”模型等。這表明AI天氣預報領域正蓬勃發展，多種技術路線并行，共同推進預報精度和分辨率的提升。

5. 未來展望：AI與傳統方法的協同發展

   文章認為，雖然AI技術不斷迭代，但短期內AI與傳統數值預報的結合仍是更優解。未來需要繼續探索如何進一步提高空間分辨率，以更精準地預測天氣變化，特別是極端天氣。

聯系作者

文章來源：HyperAI超神經
作者微信：
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例