这里比较范例的便是欧洲中期景象预报中央的高分辨率预报系统，它可以在数小时打算出未来10天的景象预测，被称为景象预报的"黄金标准"。我们再看一下这个过程，数据、模型、预测，这不正是人工智能最善于的吗？传统方法依赖科学家长期研究积累起预测模型，而AI最善于的便是从数据中创造精确的模式。
下面我们就看看天下顶尖的科技公司和科研机构都怎么用AI来做景象预测。
·我们先看英伟达，它可不是只会卖GPU，它的FourCastNet模型构建了一个环球景象模式的数字孪生，通过单GPU的加速可以在几分之一秒的韶光提前一周预测出灾害性大气河流的实时路径。
·还有微软，它的ClimaX模型做法有点像现在的大措辞模型，利用Transformer架构打造了一个通用的预演习根本模型，利用特有数据进行微调就可以用在各种景象和蔼象任务上，将AI用于科学研究。
·已经屡有斩获的谷歌和DeepMind肯定不能忽略，它们的GraphCast模型采取更适宜处理空间构造数据的图神经网络进行一种自回归式预测，根据过去6小时和当前的景象数据可以预测出6小时往后的景象。按照这个模式连续迭代可以接着预测后面的景象。在谷歌的TPU上1分钟内就能天生环球未来10天的景象预报。与欧洲中期景象预报中央的黄金标准比较，1380个预测变量中90%以上要更加准确。而且在未经专门演习的情形下，对付热带气旋路径、大气河流和极度温度等易引发磨难的气候可以做出更精准的预测。
谷歌一脱手果真不负众望。不仅如此，他们还开拓了一个景象预测模型MetNet-3。它有两个特点：
·一是没有像传统做法那样利用完全的历史景象数据，而只利用个中的直接不雅观测数据。
·二是重点放在对短期内更多核心变量供应更高分辨率的预测。
这是一个与传统的ENS系统的比拟，MetNet-3预测的韶光和空间分辨率明显更高。这里还有其余一个比拟，不仅能看到它的预测精度高，它预测的实时性也更好，基本与实际景象基准保持同步。
目前MetNet-3已经在谷歌系的产品上线，供应美国和欧洲部分地区12小时降水预报。特殊值得一提的是海内的研究也走在世界的前沿，上海人工智能实验室联手中科大等几个大学开拓出了"风鸟"中期景象预报模型。
风乌这个名字取自秦汉期间的相风铜乌，天下上最早的测风设备。风鸟的做法是把位势、湿度、风速、温度这些大气变量当作不同的任务，分别配备特定的编码器和解码器，然后用一个跨模态的Transformer进行领悟。在A100 GPU上，风乌可以在30秒内天生环球未来10天的景象预报。
准确性上，预报偏差比GraphCast低落了10.87%，比传统模型低落了19.4%，可以说已经超越了当前最准的的GraphCast。还有民族品牌的骄傲华为，它的盘古大模型，采取了一个地球特定的3DTransformer模型，可以有效处理景象数据中的繁芜模式。它天生环球未来24小时景象只需1.4秒。对付台风的预测，利用均匀海平面气压作为基准，结果比欧洲气候局更好。
盘古景象大模型不仅登上了国际威信期刊Nature，今年7月还在欧洲中期景象预报中央官网上线，开始面向环球供应做事。AI用于景象预报果真是又快又准，但要取代传统方法目前还没到火候，它还得依赖传统模式供应的数据，也还没有办理新景象征象的预测问题。但以AI的惊人潜力，这个取代绝对是指日可待。
附近实验室，感谢不雅观看。