GenCast 以最先進的準確度預測天氣及極端條件的風險

新型AI模型提升天氣預測的準確性和速度，能提前15天預測不確定性和風險

天氣影響著我們的生活，影響我們的決策、安全和生活方式。隨著氣候變遷導致更多極端天氣事件，準確和可靠的預報變得比以往任何時候都更重要。然而，天氣無法完美預測，尤其是幾天以後的預報不確定性更高。

因為完美的天氣預報是不可能的，科學家和氣象機構使用概率集合預報，這種模型預測一系列可能的天氣情境。這種集合預報比依賴單一預報更有用，因為它們提供了決策者對未來幾天和幾周可能的天氣狀況的全面了解，以及每種情境的可能性。

今天，我們在《自然》雜誌上發表了我們的新型高解析度 (0.25°) AI集合模型GenCast。GenCast提供了比歐洲中期天氣預報中心 (ECMWF) 的ENS系統更好的日常天氣和極端事件預報，能提前15天預測。我們將發布模型的代碼、權重和預報，以支持更廣泛的天氣預報社群。

AI天氣模型的發展

GenCast標誌著基於AI的天氣預測的一個重要進展，這是基於我們之前的確定性天氣模型，該模型提供了未來天氣的最佳估計。相比之下，GenCast的預報由50個或更多的預測組成，每個預測代表一種可能的天氣走向。

GenCast是一種擴散模型，這是一種生成性AI模型，支撐著最近在圖像、視頻和音樂生成方面的快速進展。然而，GenCast與這些模型不同，它適應了地球的球面幾何，並學會在給定最新天氣狀態作為輸入時，準確生成未來天氣情境的複雜概率分佈。

為了訓練GenCast，我們提供了來自ECMWF的ERA5檔案的四十年歷史天氣數據。這些數據包括溫度、風速和不同高度的氣壓等變數。該模型直接從這些處理過的天氣數據中學習全球天氣模式，解析度為0.25°。

為天氣預報設定新標準

為了嚴格評估GenCast的性能，我們用到2018年的歷史天氣數據進行訓練，並用2019年的數據進行測試。GenCast的預報技能優於ECMWF的ENS，這是許多國家和地方每天依賴的頂級運行集合預報系統。

我們全面測試了這兩個系統，查看不同變數在不同預測時間的預報——總共1320種組合。GenCast在97.2%的目標上比ENS更準確，在36小時以上的預測時間上達到99.8%的準確率。

集合預報通過進行多次預測來表達不確定性，這些預測代表不同的可能情境。如果大多數預測顯示同一地區有旋風，則不確定性較低。但如果它們預測不同的位置，則不確定性較高。GenCast在這方面取得了良好的平衡，避免過度或不足地表達對預測的信心。

使用單一的Google Cloud TPU v5，僅需8分鐘即可生成GenCast的15天預報，並且集合中的每個預報可以同時並行生成。傳統的基於物理的集合預報，如ENS生成的0.2°或0.1°解析度的預報，則需要在擁有數萬個處理器的超級計算機上運行數小時。

極端天氣事件的高級預報

更準確的極端天氣風險預報可以幫助官員保護更多生命，避免損失，並節省資金。當我們測試GenCast預測極端高溫和低溫以及高風速的能力時，GenCast始終優於ENS。

現在考慮熱帶氣旋，也就是颶風和台風。獲得更好和更提前的登陸預警是非常重要的。GenCast提供了這些致命風暴的優越預測。

更好的預報也可能在社會的其他方面發揮關鍵作用，例如可再生能源規劃。例如，風能預報的改進直接提高了風能作為可持續能源的可靠性，並可能加速其採用。在一項分析全球各地風電場總發電量預測的原理驗證實驗中，GenCast的準確性超過了ENS。

谷歌的下一代預報和氣候理解

GenCast是谷歌不斷增長的下一代基於AI的天氣模型套件的一部分，包括谷歌DeepMind的基於AI的確定性中期預報，以及谷歌研究的NeuralGCM、SEEDS和洪水模型。這些模型開始在谷歌搜索和地圖上提供用戶體驗，並改善降水、野火、洪水和極端高溫的預報。

我們非常重視與氣象機構的合作，並將繼續與他們合作開發基於AI的方法，以增強他們的預報能力。與此同時，傳統模型對這項工作仍然至關重要。首先，它們提供了模型如GenCast所需的訓練數據和初始天氣條件。AI與傳統氣象學的合作突顯了結合方法改善預報和更好服務社會的力量。

為了促進更廣泛的合作並幫助加速天氣和氣候社群的研究與發展，我們將GenCast作為開放模型，並發布其代碼和權重，就像我們為確定性中期全球天氣預報模型所做的那樣。

我們將很快發布GenCast的實時和歷史預報，以及之前的模型，這將使任何人都能將這些天氣輸入整合到自己的模型和研究工作流程中。

我們渴望與更廣泛的天氣社群互動，包括學術研究者、氣象學家、數據科學家、可再生能源公司，以及專注於糧食安全和災害應對的組織。這些合作提供了深入的見解和建設性的反饋，以及商業和非商業影響的寶貴機會，這些都對我們的使命至關重要，即運用我們的模型來造福人類。