最近的一份科学报告强调了人工智能驱动的 GraphCast 系统如何比使用传统预报技术的气象学家更好地预测天气。

该工具由谷歌 DeepMind 的研究人员开发，使用地球天气的两个最新状态，包括测试时和六小时前的几个变量，来预测六小时后的天气。

测试该工具的科学家发现它的验证率高达 90%，优于超级计算机支持的常用技术。

这些超级计算机执行数值天气预报(NWP)，而不是复杂的物理和流体动力学计算，而是使用根据历史天气模式训练的机器学习算法。

除了更快地提供预报之外，科学家们还认为，基于机器学习的天气预报 (MLWP) 可以通过捕获数据中不易用显式方程表示的模式来提高预报准确性。

GraphCast 还可以预测恶劣的天气事件，包括某些地区的热带气旋和极端温浪。

“最近，MLWP 帮助改进了传统 NWP 相对较弱的区域中基于 NWP 的预报，例如次季节热浪预测和来自雷达图像的降水临近预报，而这些区域无法提供准确的方程和稳健的数值方法，”科学家说。

“过去几年，在 WeatherBench 等基准的推动下，基于再分析数据训练的 MLWP 中期预报方法一直在稳步发展。

据《连线》报道，谷歌正在考虑将 GraphCast 集成到其服务中。