微软发布的这个 AI 工具，将极端天气预测加快 5000 倍

AI助力天气预测：创新工具和未来展望

极端天气事件的频繁与强烈已成为全球普遍面临的挑战，许多人对此深有体会。为预测这些事件，研究人员们正全力探索更快速、准确的方法，而人工智能正为这一过程带来了新可能性。

今年5月，微软不仅为其Copilot进行了更新，同时发布了一款名为Aurora的天气预测工具。微软研究员Paris Perdikaris表示，这些AI工具擅长于识别模式。

为了训练Aurora，微软提供了超过100万小时的气候数据，数据量大约是最新GPT模型的16倍。现在，Aurora的预测能力显著提升，只需比传统方法快5000倍的速度，就能预测未来5天的全球空气污染情况和10天的天气。

过去，The Weather Company的AI天气模型能对即将来临的风暴强度进行大致预测，但其信息尚显粗糙，缺少足够的风速和降雨数据。随着与英伟达的合作，Aurora获得了更强大的算力，从而实现更快、更精准的预测。

位于维朗诺瓦大学的研究团队则专注于风暴这一气候现象，开发出一种模型，通过识别风暴的规模与形状来判断其潜在影响，例如是否会形成龙卷风或冰雹。以往，这项任务主要依赖学生手动分析风暴图片，而现在则交由AI来处理。Perdikaris表示：“通过不断训练，AI的表现相当出色。”

借助机器学习，风暴预测的警告时间已经从原本的发生前15分钟提前至1小时，为居民提供了更多应对时间。例如，虽然无法搬走整个农场，但至少可以将家禽带回室内。

### AI工具的优势与局限

在过去50年里，天气预测主要依赖大气环流模型（General Circulation Model，GCM），这些复杂的数学模型需要处理大量气候数据，并依赖超级计算机进行运算。虽然结果相对准确，但却消耗了巨大的时间和能源。同时，由于数据采集往往存在不准确之处，可能在计算过程中放大为重大失误。

相较之下，新型AI天气预测工具能够在普通笔记本电脑上运行，尽管准确性仍需验证。微软表示，Aurora将在未来几个月向公众开放，期待气候研究人员对此进行测试。Perdikaris预测，“最终，我们会看到AI模型在气象工作流程中的融入，大约需要2到5年的时间。”

与微软的Aurora采用“纯机器学习”模式不同，Google DeepMind则在尝试更综合的预测模式。上个月，DeepMind发布了一篇新论文，指出其新模型“NeuralGCM”在1至10天的气候预测上比现有的纯机器学习模型及其他传统模型更为准确。

奥克拉荷马大学的气象学助理教授Aaron Hill表示，DeepMind这个模型的创新之处在于，它将AI融入到流体动力学计算中。在一些大型气候变化预测中，仍然采用传统方法，而在更小的范围内，例如25公里以内的云层形成或区域微气候预测，则引入AI来修正小规模积累的误差。

据报道，NeuralGCM可以在保持预测准确度的同时，大幅减少对计算能力的需求。Hill认为，尽管目前AI的优势主要体现在小范围的计算上，但这些工具的真正价值在于减少计算负担，并有潜力在全球气候模型的长期、大规模运算中发挥作用。

### 未来展望与行业需求

在气候危机的背景下，不仅气象预测机构需要更多的工具，农业、保险和大宗商品交易等领域也希望获得更快、更准确的天气预测模型，相关市场正在快速发展。虽然人们对AI的需求确实存在，但目前仍有很多人处于观望阶段。

整体而言，AI工具在天气预测领域展现出巨大的潜力和应用前景。随着科技的不断进步，我们有理由相信，在不久的将来，准确的天气预测将为各行各业带来更显著的变革。