摘要
- WeatherNext在官方预报发布前就捕捉到2025年飓风梅丽莎从1级急速增强至5级的迹象
- 2023年飓风奥蒂斯预测失败,成为开发专用气旋AI模型的契机
- WeatherNext通过学习约50年的气象数据,仅用一颗TPU就能运行,相关代码也已开源
从1级到5级,提前一天发出的警告
2025年在加勒比海形成的飓风梅丽莎,起初看起来并不算特别危险。但WeatherNext模型提前捕捉到了这场风暴即将从1级急速增强至5级的信号。基于这一预测,美国国家飓风中心(NHC)发布了一份不同寻常的警报;根据一篇讲述飓风梅丽莎登陆过程的文章,牙买加当局因此争取到了提前一天的准备时间,得以关闭电力设施、将医院转入应急状态。参与开发该模型的谷歌DeepMind研究科学家费兰·阿莱特(Ferran Alet)表示:"这是我们第一次成功预报出从1级到5级的急速增强。"
始于失败的开发——飓风奥蒂斯的教训
WeatherNext团队之所以专注于气旋强度预测,背后另有原因。2023年,谷歌DeepMind推出了用于日常天气预报的WeatherNext 1。这套模型对台风路径的预测还算准确,但在判断风暴会增强到什么程度这一点上,表现明显不足。就在这时,飓风奥蒂斯袭击了墨西哥。当时所有基于物理原理的模型都预测这是一场较弱的风暴,但实际上它在凌晨1点骤然增强至5级登陆,造成了基础设施损毁和人员伤亡。
换句话说,正是这次事件为WeatherNext开发团队指明了方向。团队意识到,仅靠物理方程可能会漏掉突发的强度变化,于是决定开发专门用于气旋预测的AI模型,而这一成果在两年后的飓风梅丽莎预报中首次交出了实战成绩单。
用50年数据和一颗TPU完成的预报
过去的气旋预报,依靠的是相当于三层楼高的超级计算机,直接求解流体力学方程。把卫星、飞机和气象观测站收集到的当天天气数据输入系统后,计算机会按照物理定律进行模拟,推算出第二天的天气。问题在于,观测数据本身经常存在缺失或夹杂噪声,而精密的物理模拟又需要庞大的算力。
WeatherNext的思路则完全不同。它不再重新求解方程,而是通过学习约50年的历史气象数据,直接掌握其中的规律。阿莱特解释说,把40到50年的日常天气数据,与数量相对较少的气旋数据放在一起训练后,模型就能把从日常天气中学到的规律迁移到气旋预测上。结果就是,原本需要一栋楼大小的超级计算机才能完成的运算,现在一颗TPU就够用了。
十年的进步,一代模型就实现了
长期以来,气象学界通过打造更好的模型、发射更多卫星、提升算力等方式,大约每十年才能把预报精度提升一天的量级。谷歌DeepMind表示,WeatherNext仅用一代模型就实现了相当于十年的进步。不仅风暴登陆地点的预测更准了,登陆时风暴会增强到什么程度的预测精度也随之提高。得益于此,各国气象部门正在考虑把公开预报的时间跨度从原本的5天延长到7天。
| 项目 | 物理模型(过去) | WeatherNext(AI) |
|---|---|---|
| 所需算力 | 三层楼规模的超级计算机 | 1颗TPU |
| 训练方式 | 直接模拟流体力学方程 | 学习约50年气象数据中的规律 |
| 精度提升速度 | 约每十年提升一天 | 一代模型即实现十年的提升幅度 |
| 公开预报时长 | 5天 | 正推进延长至7天 |
| 案例 | 时间 | 预报结果 |
|---|---|---|
| 飓风奥蒂斯 | 2023年 | 物理模型预测为弱风暴,实际却在凌晨以5级登陆 |
| 飓风梅丽莎 | 2025年 | WeatherNext提前预警从1级急速增强至5级 |
已开源的模型,想亲自查看的话
谷歌DeepMind已经将WeatherNext 2和专用的气旋模型开源公开,并表示希望学术界和各国气象部门能够自由地做实验、产出新发现。如果想直接查看模型代码,可以从github.com/google-deepmind/weathernext代码仓库下载代码和权重。如果不想接触代码,只是想看看预报画面本身,也可以在Weather Lab网站上查看模型给出的气旋路径和强度实际预测结果。
韩国国内情况
谷歌DeepMind今年4月曾宣布在韩国设立AI校区,并推动与韩国产学研各界的合作。据韩国媒体报道,谷歌DeepMind一位副总裁还专门会见了17家韩国合作伙伴企业,商讨合作方案。虽然此次公布的资料中并未提及WeatherNext与韩国气象厅有直接对接,但由于模型已经开源,韩国的研究人员和气象相关人士同样可以不受国界限制,通过Weather Lab网站进行访问。
编辑视角
这次采访中最引人注意的,其实不是成果本身,而是失败的经历。谷歌DeepMind之所以死磕气旋强度预测,出发点不是"我们做得多好",而是"奥蒂斯那次全都预测错了"这样的反思。在AI模型的宣传文章里,如此具体地承认自己的失败并不常见,这也从侧面说明,强度预测在气象学界长期以来确实是个棘手的难题。
从代际对比来看,这种变化会更明显。用过传统气象模型的人应该都清楚,基于物理原理的模拟,从预约超级计算机到算完结果需要不少时间,而这段时间里风暴往往已经改变了方向。用一颗TPU完成同样的工作,意义不只是省钱,而是可以更频繁地重新跑预报。每当情况发生变化,几个小时内就能重新计算一遍——这对灾害应对部门来说,是完全不同层次的工具。
从实际操作层面看,韩国地方政府和防灾安全部门目前能做的,大概就是把Weather Lab给出的预报和现有气象厅预报放在一起对比参考。目前还没有证据显示韩国气象当局已经将这套模型纳入正式预报体系,所以更合适的做法是先当作参考资料来观察。不过既然代码已经开源,国内大学的研究团队完全有空间用自己的数据做复现实验。
未来几个月里,很可能会陆续出现其他国家气象部门把WeatherNext纳入自身预报参考体系的案例。而把预报时长从5天延长到7天的讨论,是否会真正落地成为政策,则是接下来值得关注的地方。
评论