北京
天气预报超过两周就不太靠谱，这件事几乎成了行业共识。传统物理模型靠超级计算机硬算大气运动，新一代AI模型靠海量历史数据找规律，两条路线跑到两周开外，精度都会明显下滑。微软说，他们用机器学习把这个问题解决了一部分。
研究团队的方法叫概率偏差校正（Probabilistic Bias Correction，PBC），论文发表在《自然》杂志上，工具已经开源。它不是另起炉灶造一个全新的天气模型，而是给现有模型做"纠偏"——用机器学习识别模型里的系统性偏差，然后逐项修正。
偏差从哪来
无论是物理模型还是AI模型，预测两周以上的天气时都会遇到同一个麻烦：数据不够。有些地区气象站稀疏，有些大气现象科学家还没完全搞明白，模型只能用近似值去填补这些空白。填补的方式一旦固定下来，就会变成一种系统性偏差。预测时间越往后推，这些误差越滚越大，预报也就越来越不准。
微软研究院新英格兰分部的高级首席研究员莱斯特·麦基举了一个例子：化石燃料排放的温室气体正在让地球升温，但天气模型如果基于历史记录做预测，可能会偏向比现实更冷的温度。PBC要做的就是识别出这类偏差并加以修正。
98%和92%这两个数字
研究团队测试了PBC对欧洲中期天气预报中心（ECMWF）一套主流物理模型的效果。结果显示，在98%的降水目标和92%的温度目标上，PBC都提升了预报准确率。对于ECMWF新推出的AI预报系统，这套机器学习框架在论文分析中把准确率提升了一倍。
值得注意的是，在这篇论文正式发表之前，ECMWF就已经在自家的AI Weather Quest竞赛中给PBC相关研究颁了奖。ECMWF机器学习战略负责人马修·钱特里在给媒体的邮件评论中说，这篇由微软、MIT、ECMWF等机构研究人员共同完成的论文，"是新想法为社区利益和考量而开发的一个好例子"。他同时补了一句："一如既往，把想法变成可运行的实际流程，才是最难的步骤。"
不用GPU，CPU就能跑
天气预测需要的算力和基础设施，长期把很多发展中国家的气象机构挡在技术升级门外。物理模型跑在超级计算机上，生成式AI依赖强力GPU，而麦基说，PBC这个新工具在CPU上就能运行。
"我对天气预报资源效率的提升，以及预报可靠性的延长，尤其是对极端天气的预报，抱有很大希望。"麦基这样表示。
论文作者之一吉纳维芙·弗拉斯波尔说："像PBC这样的模型让我特别兴奋的一点是，它们非常轻量、容易训练，没有庞大资源的科学家也能配置这些模型，让它们在特定地区表现得更好。"
弗拉斯波尔在微软做实习生时跟着麦基参与了PBC的研究，现在她是非营利组织Rhiza Research的执行董事。该组织正在与肯尼亚气象服务局合作，资金来自盖茨基金会，目的是验证AI能否帮助把更准确的早期预警送到人们手中。在预计会因破纪录的厄尔尼诺现象而变得更加极端的雨季到来之前，PBC是他们正在测试的方法之一。
微软这一步，和谷歌、英伟达等公司开发天气预报AI工具的方向不太一样。别人在造新模型，微软在修旧模型的偏差。对于算力捉襟见肘的气象机构来说，后一条路可能更容易走进去。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
