借助Google DeepMind開發的模型Gencast,天氣預報可能進入一個新時代。根據自然界發表的最新研究,這種自動學習系統已顯示與最先進的傳統模型之一相比ENS,在2019年氣象數據進行測試時。
天氣預報的新方法
Gencast使用廣泛的歷史數據庫,包括超過四十年的天氣信息(1979-2018),確定方案並提前15天創建預測。相反,諸如ENS之類的傳統模型基於需要高性能超級計算機的複雜物理模擬。在測試期間,Gencasting被證明是在追踪熱帶氣旋路徑中比ENS模型更有效,提前12小時提供警報,而不是傳統系統。
儘管Gencast分辨率較低與2019年的EN相比(0.25度為0.2),但是獲得了更好的結果。但是,ENS在接下來的幾年中經歷了重大改進,因此很難面對最新版本。
在速度和效率方面具有優勢
Gencast最令人印象深刻的方面之一是它的速度。由於使用Google Cloud TPU,它能夠在短短八分鐘內產生15天的預測,而基於物理的型號需要數小時。這種效率不僅在節省時間,而且還代表了降低能源成本的優勢,這對於高能量數據中心來說是一個至關重要的問題。
Gencast的計算效率可能減輕與AI使用的數據中心相關的環境影響。但是,如果沒有精確的數據訓練模型所需的能量,就很難與傳統方法進行直接比較。
儘管取得了成功,但Gencast有改進的空間。現在,它的預測每12小時更新一次,一個間隔可能不足以用於實用應用,例如白天的風產量估計。此外,人們對改善模型的分辨率越來越興趣進一步了解傳統模型的標準。