AI 助力气象预报！华为云“盘古气象”登上Nature
本文转自：人民日报客户端
7 月 3 日，地球表面以上 2 米处记录的全球平均气温首次超过了 17 摄氏度，是有记录以来的最高温度。除了人类活动，强势的“厄尔尼诺”也是今夏全球高温加剧的罪魁祸首之一。
地球表面以上 2 米处的全球平均气温（来源：缅因大学）
如何及时、准确地预测短时和未来的天气状况，已成为科学家们试图努力攻破的重要课题之一。人工智能（AI）被寄予厚望，被认为是“一个改善极端天气预测的更快、更便宜的替代方案”。
被灾难性飓风肆虐后的小岛
当前，最准确的预报系统为数值天气预报，这种方法主要依赖物理方程，但对算力的要求很高，需要高性能计算等方法来支持，而且速度通常很慢，单次模拟需要数个小时，即使在拥有数百个节点的超级计算机上。
在题为“Accurate medium-range global weather forecasting with 3D neural networks”的论文中，由华为云 AI 首席科学家田奇领导的研究团队提出了一个基于 AI 的天气预报系统——盘古气象（Pangu-Weather），其主要技术贡献包括设计 3DEST 架构并应用分层时间聚合策略进行中期预报。
这个 AI 模型使用了 39 年的全球再分析天气数据作为训练数据，其预测准确率与全球最好的数值天气预报系统 IFS 相当；更重要的是，前者在相同的空间分辨率下比后者要快 10000 倍以上。
然而，正如论文中所提到的，盘古气象也存在一定的局限性。
例如，该模型是在再分析数据上进行训练和测试的，而实际的天气预报系统使用观测数据；没有研究降水等天气变量，而忽略这些因素可能会导致模型缺乏一些能力（如利用降水数据准确预测诸如龙卷风这样的小范围极端天气事件）；该方法会产生更平滑的预报结果，增加了低估极端天气事件波及范围的风险；以及时间不一致等问题。
尽管如此，盘古气象依然展示出了大型预训练模型在天气预报方面的潜力。未来，研究团队希望通过融合更多垂直层次和大气变量、整合时间维度并训练 4D 深度网络、使用更深和更宽的网络等方法，实现模型的进一步迭代。
