近幾年，各地接連出現極端氣候，《美聯社》報導，美國佛羅里達州羅德岱堡（Fort Lauderdale）和芝加哥這兩年都出現嚴重的暴雨，不但阻斷交通，還淹沒部分社區。
隨著氣候變得越來越極端、且難以預測，我們需要更好的天氣預測技術，協助我們提早掌握氣候變化、做好防災準備。
對此，新的 AI 技術或許能提供解方。華為與北京清華大學（以下簡稱北京清大）研究團隊皆在英國科學期刊《Nature》發布論文，分別談到華為研發的 AI 模型「Pangu-Weather」、與北京清大打造的 AI 模型「NowcastNet」，如何加快天氣預測速度和精準度。
華為 Pangu-Weather 模型：更快速、準確地進行天氣預測
Pangu-Weather 模型由華為雲團隊研發，可以在幾秒內完成天氣預測，包括溫度、濕度、風速、海平面氣壓和災害警報等。
研究團隊使用 39 年的全球再分析天氣數據訓練出深度神經網路（neural network），根據他們的實驗結果來看，在預測速度上，這個新模型比歐洲中期天氣預報中心（ECMWF）正使用的模型快了整整一萬倍。
除了速度快，Pangu-Weather 模型還兼具精準度。研究團隊將新模型的預測結果與 ECMWF 模型的預測結果相比，發現兩者的相似度極高。
值得注意的是，Pangu-Weather 模型沒有進行熱帶氣旋數據的相關訓練，但仍能準確地追蹤它們的路徑，華為雲人工智能領域首席科學家田奇舉例説，「2018 年它追蹤了當年有命名的 88 個颱風，都有非常高的準確度，甚至還能預測如康芮颱風、玉兔颱風等較有挑戰性的熱帶氣旋。」
《MIT Technology Review》報導，ECMWF 地球系統模型部負責人 Peter Dueben 看見 Pangu-Weather 和其他相似模型後回應：「過去大家認為 AI 比較像是玩具，但目前看來，它的確能結合傳統方法協助氣象學家進行天氣預報。」
訂閱《AI TOgether》趨勢週報
每週幫你精選 AI 主題報導
感謝訂閱！隨時注意信箱的最新資訊
北京清大研究團隊 NowcastNet 模型：提早預測極端降雨的發生
相較於 Pangu-Weather 模型，清華大學研究團隊的 NowcastNet 模型，更專注於提前預測極端降雨的發生。現有的降雨預測工具，如 DeepMind 研發的 DGMR 模型僅可預測未來 90 分鐘內的降雨可能性，而 NowcastNet 非但能檢測出極端降雨，還能提早 3 個小時前進行預測。
研究團隊打造一個深度生成模型，以不同天氣雷達和技術收集到的數據、大氣物理學原理等進行訓練，使它能更全面地觀察降雨及其他可能的行為，完成更準確的預測。
「極端降雨帶來大量傷亡和破壞，有工具能提早預測它的發生、為人們爭取更多準備時間，是非常重要的。」研究團隊成員之一、加州大學柏克萊分校的電腦科學家 Michael I. Jordan 說。
雖然新的 AI 模型為氣象學家提供更有效率的選擇，但 Dueben 認為能否實際應用還需再觀察：「AI 天氣預測技術仍在早期研發階段。若氣候發生劇變，像是北極的冰都融了，這些模型會怎麼判斷？」
＊本文開放夥伴轉載，資料來源：《MIT Technology Review》、《South China Morning Post》、《美聯社》，首圖來源：Unsplash
（責任編輯：鄒家彥）
