Google LLC近日详细介绍了一种名为GraphCast的新型人工智能模型，声称它能够比传统算法更快、更准确地生成天气预报。

该神经网络是由该公司最近成立的Google DeepMind研究部门开发的。DeepMind已在GitHub上提供了GraphCast的源代码。据谷歌表示，多个气象机构已经开始使用该模型来支持他们的工作。

GraphCast是一种称为GNN（图神经网络）的专门优化了处理图形数据的神经网络。图形是一种数据结构，可以存储多个信息片段，并记录它们之间的关系。图形能够存储大量相互关联的数据集，因此在描述天气等复杂现象时非常有用。

谷歌使用欧洲中程天气预报中心（ECMWF）近40年的天气观测数据对GraphCast进行了训练。训练数据集包括来自卫星、雷达系统和其他信息来源的数据。谷歌表示，ECMWF是已经采用GraphCast来支持他们工作的气象机构之一。

GraphCast能够提前十天预报天气，而且以较高的精度完成预报。谷歌表示，GraphCast能够预测数十个不同海拔高度上的温度、湿度、风速等多个变量。

在一项内部测试中，谷歌将GraphCast与一种被称为HRES的天气预报算法进行了对比，该算法以其可靠性而闻名。在测试过程中，GraphCast在1380个天气变量中的90%以上的变量上实现了比HRES更高的准确性。当任务范围限定在对流层时（对流层是位于地球表面上方的一部分大气层），这个人工智能系统的表现更加出色。

谷歌DeepMind的员工研究科学家Rémi Lam在一篇博文中详细介绍道：“当我们将评估限定在对流层时（对流层是位于地球表面上方6至20公里高的大气层，准确的预测对于天气预报最为重要），我们的模型在未来天气的99.7%的测试变量上超过了HRES。”

在测试期间，谷歌的研究人员还发现GraphCast在另一个领域优于传统的预报算法，那就是对极端天气事件的预测。尽管GraphCast并没有专门受训用于此类预测，但它在对气旋移动的预测上比HRES更加准确。此外，谷歌认为这个人工智能系统在预测洪水方面也可能会有用处。

传统的天气预报算法需要大量的硬件资源运行，因为它们依赖复杂的物理方程来生成预测。因此，这些算法通常部署在超级计算机上。即使使用超级计算机的硬件资源，有时生成一个天气预报也需要几个小时的时间。

谷歌表示，GraphCast所需的基础设施大大降低。据谷歌介绍，这个人工智能系统只需要一个Google Cloud TPU v4实例就能生成为期10天的天气预报。而且，它可以在不到一分钟的时间内生成这些预报。

Lam写道：“在天气预报中引领人工智能的应用将使数十亿人的日常生活受益。但我们的更广泛研究并不仅仅关乎天气预测，而是关乎对我们气候更广泛模式的理解。通过开发新工具并加速研究，我们希望人工智能能够赋予全球社群应对我们最大环境挑战的能力。”