12 月 5 日消息，谷歌 DeepMind 团队昨日（12 月 4 日）发布博文，推出全新 AI 气象模型 GenCast，能够提前 15 天提供更快速、更精准的天气预报，其预测准确度超越了欧洲中期天气预报中心（ECMWF）的 ENS 系统。
项目背景
天气影响我们所有人，塑造着我们的决策、安全和生活方式。
注：随着气候变化导致更多极端天气事件，准确可靠的预报比以往任何时候都更加重要。然而，天气无法完美预测，而且几天后的预报尤其不确定。
由于完美的天气预报是不可能的，科学家和气象机构使用概率集合预报，即模型预测一系列可能的天气情景。
这种集合预报比依赖单一预报更有用，为决策者提供了未来几天和几周内可能出现的天气状况以及每种情景的可能性更全面的信息。
GenCast 模型
现有的天气模型建立在确定性天气模型之上，仅提供对未来天气的单一最佳估计，而 GenCast 预测集合包含 50 个或更多预测，每个预测代表一种可能的天气轨迹。
GenCast 是一种扩散模型，这种生成式 AI 模型支撑了图像、视频和音乐生成领域的最新快速发展。然而，GenCast 与这些模型不同，它适用于地球的球面几何形状，并在获得最新的天气状态作为输入后，学习准确生成未来天气情景的复杂概率分布。
GenCast 使用 ECMWF ERA5 档案中四十年的历史气象数据进行训练，数据包括温度、风速、气压等变量，模型直接从这些数据中学习全球天气模式，分辨率高达 0.25°。
在 Google Cloud TPU v5 上，GenCast 只需 8 分钟即可生成一个 15 天的天气预报，并且集合中的每个预测都可以并行生成，远超传统物理模型的计算速度。
GenCast 性能评估与应用：
使用 2018 年前的数据训练，2019 年的数据测试，GenCast 在 1320 种不同变量和提前时间的组合测试中，准确率超过 ENS 的 97.2%，在提前 36 小时以上的预测中，准确率更是高达 99.8%。
此外 GenCast 在预测极端高温、低温和强风等方面持续优于 ENS，并能更准确地预测台风 / 飓风的路径，例如对台风“海贝思”的路径预测。
参考
-
GenCast predicts weather and the risks of extreme conditions with state-of-the-art accuracy
-
Probabilistic weather forecasting with machine learning