2023 年 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。
图｜地球表面以上 2 米处的全球平均气温（来源：缅因大学）
高温不仅会导致部分地区停业、停产，给当地带来经济损失，也会危害我们的身体健康，甚至死亡，比如因长时间暴露在高温环境下引起的热射病等。
除了异常高温，近年来频发的海啸、台风（飓风）、洪水、冰雹等极端天气，也同样会对人类的经济生活造成难以估量的负面影响。
据世界银行估计，在全球范围内，改进的气象预测和预警系统不仅可以拯救数万人的生命，还可以带来每年 1620 亿美元的经济效益；另外，在过去 50 年中，超过 34% 的记录灾害、22% 的相关死亡人数（101 万人）和 57% 的相关经济损失（2.84 万亿美元），也与极端降水事件不无关系。
因此，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”。
那么，AI 在协助气象预报方面的潜力如何？目前的预测效果又怎么样呢？
昨天，同时刊登在 Nature 上的两篇关于“AI 气象预报”的研究论文，便提到了两种基于 AI 的气象预报方法，其中一种方法能够提前一周预测全球气象模式，另一种方法则可以预测短时天气，如极端降水事件。
据论文描述，这两种基于 AI 的方法与现有方法的准确性相当，甚至可以预测此前难以预测的天气现象。
然而，这些 AI 模型是否以及何时可以成为气象学家进行天气预报的主要工具，目前仍然存在一些不确定性和争议，主要的考虑因素在于，这些 AI 模型商业化后的运营成本高低以及是否可以赢得人们的信任。
明天天气如何？AI来预测
天气预报在帮助拯救生命和降低财产损失方面起着重要作用，尤其是在当前极端气候事件愈发频繁的情况下。
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。
近年来，一些基于 AI 的方法展现出了显著提高天气预报速度的潜力，可以在几秒内生成一个 24 小时预报，但准确性一般不如数值天气预报。
在题为“Accurate medium-range global weather forecasting with 3D neural networks”的论文中，由华为云 AI 首席科学家田齐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。
图｜网络训练和推理策略。（来源：Nature）
据介绍，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。
极端降水是导致气象灾害的一个重要因素，因此非常需要通过具有高分辨率、充足准备时间和局部细节的精确预报来减轻其社会经济影响。
在气象预报中，有一种非常短期的天气预报，即从当前时间到未来 6 小时的“临近预报”，主要用来提供即时天气的详细信息，对于极端降水事件的风险预防和危机管理非常重要。
然而，目前的方法存在模糊、耗散、强度或位置误差等问题，基于物理学的数值方法难以捕捉关键的混沌动力学（如对流启动），而数据驱动的学习方法未能遵守内在的物理规律（如对流守恒）。
在另一篇论文中，由机器学习领域泰斗、加州大学伯克利分校教授 Michael Jordan 和清华大学教授王建民领导的联合研究团队提出了一个结合物理规律和深度学习进行实时预报降水的模型——NowcastNet。
图｜NowcastNet 的设计架构。（来源：Nature）
据介绍，NowcastNet 在临近预报方面表现出色，基于雷达观测数据，可以做到提前 3 小时对 2048 km × 2048 km 的区域进行高分辨降水预测；在一项涉及极端降水预测能力的评估中，该模型在约 70% 的预测中超过了其他方法；此前很难预测的极端降水事件方面，表现尤其突出。
我们应该相信AI吗？
在一篇与上述论文同时发表的“新闻与观点”文章中，科罗拉多州立大学研究教授 Imme Ebert-Uphoff 和研究助理 Kyle Hilburn 认为，这些方法非常有前途，甚至有可能引发一种范式转变，即基于生成式 AI 的模型可以完全取代数值天气预报。
然而，他们也提醒到，这些 AI 模型也存在一些潜在风险。例如，当在从未见过的条件下运行时，AI 系统的行为通常是不可预测的。
因此，要想避免这些风险，就需要气象学家参与进来，学习设计、评估和解读这类系统。
对此，同样在科罗拉多州立大学任职的 Russ Schumacher 教授表示，“人们对 AI 的担忧通常在于它是一个黑匣子，你只需输入一些数字并取出一些数字，却不知道其间的过程如何运作。”
另外，尽管气象学家们尚未完全接受这种“AI 魔法”，但他们已经在学习如何将用于运行传统模型的大气观测数据实时提供给 AI 模型，以及获得更多使用这些 AI 模型的经验。
未来，建立对“黑匣子”模型的信任或许依然需要一些时间，但将 AI 模型用在气象预报的实践，会在这股 AI 浪潮中继续向前。
