图片源于：https://www.newsweek.com/hurricane-miltons-path-predicted-florida-unbelievable-accuracy-heres-why-1968429
一款由人工智能驱动的天气模型以其惊人的准确性震惊了气象学家，成功预测了飓风米尔顿的着陆位置，平均误差仅为7英里，远远优于传统模型的近100英里的误差。
人工智能/综合预报系统（AIFS）在米尔顿袭击佛罗里达州西侧的西耶斯塔钥附近的五天前，准确预测了其着陆位置。其他主要模型的最大误差达到了100英里，而AIFS的最大误差不超过13英里。
AIFS团队的一位发言人告知《新闻周刊》，尽管很难从一个案例得出结论，但AIFS在米尔顿临近着陆前的一到两天内提供了更好的轨迹预测。从10月2日起，AIFS持续预测米尔顿将在佛罗里达州登陆。
密切关注这场风暴的气象学家布莱恩·贝内特在X（前推特）上发文称，该模型的“难以置信的准确性”。他强调了该模型的早期和准确预测：“它在五天以上前就预测了将在西耶斯塔钥附近着陆，而且预测米尔顿不会在皮内拉斯县或佛罗里达州的其他地方登陆。”
贝内特指出，这款先进的天气模型在本季的其他风暴中也一直提供准确的预测，包括9月份的飓风海伦。“这是未来的趋势，”他写道。“模型构建者们可能会注意到，并将在未来几年内尝试加入AI天气建模。”
AIFS的技术背景
AIFS代表人工智能/综合预报系统，旨在向欧洲中期天气预报中心（ECMWF）著名的综合预报系统（IFS）致敬。
2017年，IFS模型成功预测了飓风伊尔玛的路径，提前约一周。此外，它还准确预测了2019年欧洲的热浪，以及2019年和2020年导致澳大利亚森林火灾的气候条件。
与传统的数值天气预报模型 heavily 依赖物理方程不同，AIFS使用机器学习技术。
该模型经过数十年的天气数据训练，能够识别大气条件中的复杂模式和关系。这使它能够快速生成预测，并显著降低传统模型所需的计算功耗。
AIFS团队发言人告诉《新闻周刊》，他们目前正在对历史再分析数据进行模型训练，但“极端事件（例如热带气旋强度）的幅度受限于再分析所能捕捉的内容。”
“尽管我们在数十年的历史数据上进行了训练，但问题始终是有关极端（因此稀有）事件的样本量是否足够，以做出良好的预测，”他们补充道。
AIFS受到谷歌DeepMind开发的开源机器学习架构GraphCast的启发，后者使用图神经网络（GNNs）。神经网络是处理数据的程序，而图神经网络则处理可以表示为图的数据显示，如地理网格上的天气模式。
气象预测专家安德鲁·布雷迪在X上解释了AIFS的功能：“这些模型并不是使用AI设计的天气模型，而是使用了一种相似的基础架构，但并不以人类逻辑的方式工作。‘机器学习’可能是比‘AI’一词更容易理解这些模型的方式。”
AIFS模型经过三个关键阶段：将初始天气数据编码到网格上，通过多个层次处理数据，使网格点交换信息，然后将处理后的数据解码回全球网格，以生成预测。
此过程使AIFS能够快速生成六小时的预测，并通过不断将输出反馈回模型中，延长预测时间。
气象学家们的兴奋之情
AIFS的成功标志着在准确预测大型气象事件（如飓风）方面的重大进步。气象学家们特别高兴于该模型在较长时间内提供一致可靠的预测能力。
德克萨斯州休斯顿的气象学家马特·兰扎强调了该模型的一致性，他指出，即使是最优秀的传统模型在预测中也未能展示出这样的可靠性。
他在X上提到，AIFS成功预测了9月袭击美国海岸的飓风弗朗辛的路径：“简直疯狂。我是说，疯得不可思议。”
“这是AI建模的一次重大胜利。这种一致性简直令人难以置信。即使是表现最好的传统模型我也不相信能够做到如此的一致。”
气象机构与科技公司之间的这种研究合作可能加速开发更高级的预测工具。ECMWF的代码是开源的。
热衷于探索这一AI天气预测系统的爱好者可以通过ECMWF的开放数据倡议进行访问。该组织已使用户能够自行运行AI模型。
ECMWF团队在9月表示：“我们现在正在训练更高分辨率版本的AIFS。一个重要的下一步将是扩展AIFS以创建各种预测。在这里，有多种可能的途径，例如概率训练或利用生成式AI架构。”
更新于2024年10月14日，12:05 PM ET：本故事更新了ECMWF的AIFS团队的评论。
