在天气预报技术的重大进展中，Google DeepMind推出了一种具有开创性的机器学习模型——GraphCast。这款AI工具标志着一个重大飞跃，比现有方法提供更准确、更快速的预测，挑战着传统数值天气预报模型的主导地位。
革新天气预报
与耗费能源和成本的超级计算机依赖型数值天气预报模型相比，GraphCast在桌面电脑上运行效率高。这种AI模型利用过去和现在的天气数据，快速预测未来的天气条件。
在气候变化和极端天气事件带来全球挑战的时代，准确的天气预报变得越来越重要。传统的数值天气预报模型虽然准确，但需要大量计算资源来追踪空气、热量和水汽在大气中的运动。
GraphCast相比传统模型的优势
GraphCast是在DeepMind位于伦敦的实验室开发的，它使用1979年至2017年的历史全球天气数据进行训练。它利用这个庞大的数据集来理解温度、湿度、气压和风等各种天气要素之间的相关性。它的预测能力可以提前到10天，预测速度不到一分钟，而ECMWF的数值天气预报系统（HRES）需要几个小时。
值得注意的是，在对地球表面最近的大气层——对流层中，GraphCast在12,000个测量中超过99%的性能优于HRES。它准确预测到地球表面附近的五个天气变量和较高海拔处的六个大气变量。这种优势还延伸到对包括热带气旋和极端温度波动在内的严重天气事件的预测。
比较优势
GraphCast不仅相对传统模型具有优势，也在其他基于AI的方法中脱颖而出。根据华为之前的一项研究，与华为的盘古天气模型相比，GraphCast在99%的天气预报中表现更好。然而，需要注意的是，使用不同的评估指标进行未来评估可能会产生不同的结果。
结论
GraphCast是天气预报领域迈出的一大步，提供了快速准确的预测，同时减少了计算需求。随着技术的发展和克服当前的局限性，GraphCast有望在与天气相关的实际应用中显著促进气象研究和实际决策的进行。预计在两到五年内将其整合到实际应用中，GraphCast为天气预测带来了新的时代，将传统方法与AI的创新能力相结合。