谷歌 DeepMind 有 揭幕 GenCast，一种突破性的人工智能集成模型，可显着提高天气预报的准确性和速度。该模型满足了对可靠预报的迫切需求，特别是在气候变化增加极端天气发生的情况下。 GenCast 可以预测一系列可能的天气情况，其性能优于欧洲中期天气预报中心 (ECMWF) 的 ENS 系统。
谷歌 DeepMind 推出 GenCast 以增强天气预报
随着对精确天气预报的需求持续增长，GenCast 的推出显得尤为及时。该模型最多可以提前 15 天准确预测日常天气变化和极端条件。 GenCast 提供潜在天气模式的全面视图，这对于各个部门的决策者至关重要。
GenCast 采用 0.25° 的高分辨率格式，针对不同的天气轨迹生成 50 个或更多预测。与传统的预测方法相比，这种方法使模型能够更有效地表示不确定性。气象机构和科学家依靠集合预报来了解可能发生的情况的范围，考虑到天气固有的不可预测性，这是必要的。
谷歌 DeepMind 联合创始人表示：“巨额人工智能资金导致炒作和诈骗”
为了开发 GenCast，研究人员利用了 ECMWF 四十年的历史天气数据，其中包括对准确预测至关重要的各种大气变量。因此，该模型在广泛的评估中表现出了卓越的预测能力，在 97.2% 的测试目标中超越了 ECMWF 的 ENS，并且未来 36 小时的预测准确率达到了 99.8%。
与提供单一估计预测的前身不同，GenCast 采用类似于生成人工智能中用于多媒体内容生成的扩散模型。这种适应使 GenCast 能够在地球的球形几何结构上运行，使其能够掌握和模拟复杂的天气场景。
GenCast 的计算效率值得注意。使用 Google Cloud TPU v5 只需八分钟即可生成单个预测，而传统方法需要数小时和大量计算资源。时间的减少不仅提高了运营效率，还可以在恶劣的天气情况下及时做出决策。
增强对极端天气事件的预测
GenCast 在预测极端天气方面表现出色，这对于公共安全和资源管理至关重要。在测试过程中，该模型在预测极热、极冷和高风速情况方面表现出了卓越的能力。例如，它在台风海贝斯登陆前几天提供了精确跟踪，展示了其以更高的准确性磨练特定气旋路径的能力。
此外，更可靠的天气预报可以促进更好地规划可再生能源计划。一个例子是 GenCast 在预测风力发电方面具有显着的准确性，从而支持向可持续能源的过渡。随着各行业寻求可靠的数据来提高运营效率，这种能力变得越来越重要。
图片来源： 谷歌深度思维
