本文来自微信公众号：APPSO （ID：appsolution），作者：APPSO
极端天气事件在变得越来越频繁和强烈，相信很多人都有所感受。
研究人员在努力寻找更快和准确预测这些事件的方式，AI也带来一种新可能性。
今年5月，微软不仅为Copilot带来更新，也发布了一个天气预测工具Aurora。
这些AI工具做的就是识别模式。它们可太擅长这个了。
参与Aurora项目的微软研究员Paris Perdikaris说道。
为了训练Aurora，微软为其提供了超过100万小时的气候数据，总量大概是最新GPT模型的16倍。
现在，Aurora可以用比传统方式快5000倍的速度来预测未来5天全球空气污染情况和10天的天气情况。
The Weather Company之前的AI天气模型可大概预测到即将到来的风暴强度，但预测还是过于粗糙，无法提供足够的风速和降雨信息。
今年和英伟达达成合作后，更强大的算力让AI预测运算更快，因此结果能做到更准确和仔细。
维朗诺瓦大学的团队，则瞄准了风暴这一种气候现象。
这个模型想做的主要是通过识别风暴的规模和形状，以此判断其影响力，譬如是否会形成龙卷风或者冰雹。
在过去，这个任务主要靠学生们人工去识别和分析风暴图片，现在则由AI接手：
你一次又一次地去训练它，它的表现真的非常，非常好。
在机器学习帮助下，预测的警告时间已经从原本的发生前15分钟提前到1小时，也为居民提供更多的应对时间：
当然，你没法把农场搬走，但你可以把家禽带回室内。
“速度”是这类AI工具优势最显著的地方。
在过去50年以来，天气预测的主流采用的都是大气环流模式（General Circulation Model，GCM）。
这组复杂的数学模型需要用到大量气候数据，还得调用超级电脑来运算，虽然更准确，但时间和能源耗费都巨高。
与此同时，因为计算需要大量数据，但这些从世界各地气象站、高空气球、海洋浮标和卫星等地收集回来的数据还是会有不准确的地方。其中的小错误可能在计算过程中变成大失误。
相比之下，新的AI天气预测工具可能在笔记本电脑上就能运行，但其准确度仍待观察。
微软表示，Aurora将在未来几个月开始对公众开放，也希望气候研究人员会用它进行测试。Perdikaris表示：
最终还是由他们来决定是否要将Aurora这类AI模型融入工作流里。我个人的预测是，大概未来2-5年AI就可融入其中。
和微软Aurora这种“纯机器学习”模式相比，Google DeepMind则在尝试用一个更综合的模式。
上个月，Google DeepMind在其新论文中指出，它的新模型「NeuralGCM」在1-10天的气候预测上，比纯机器学习模型以及当今在用的一些模型更准确。
奥克拉荷马大学气象学助理教授Aaron Hill表示，DeepMind这个模型的创新之处，在于融入AI的同时，也保留了一些流体动力学的计算。
在一些大型的大气改变预测上，模型依旧用传统方式来计算，而在更小的范畴中，譬如在小于25公里的范围内的云层形成或地域微气候上，模型会融入AI预测。
我们具有选择性地融入AI来纠正小尺度上可能会积累错误的地方。
Google研究员Stephan Hoyer说道。
据论文，NeuralGCM可在保持预测准确度的同时，大量减少对算力的需求。
虽然现在AI的优势显现于小范围计算，但Hill认为，这样的AI工具最有意义的地方在于，减少了算力负担，它们有潜力去搭建和运算长期和大规模的气候模型。
想在长时间维度里一次又一模拟全球（气候）在算力负担上真的非常重。我们也没必要丢掉我们在过去100年里学习积累的关于大气的知识。我们可以将它和AI以及机器学习融合起来。
在气候危机下，除了气象预测机构需要有更多工具以外，大宗商品交易商、农业规划业和保险业都愿意为更快和更准确的天气预测模型买单，这个领域也在快速发展。
人们对AI的需求是有的，但我感觉大家都还在观望阶段。