人工智能新模型“土豚天气”：以更低能耗实现更快、更准的天气预测

天气预测系统在提供关键信息方面发挥着重要作用，特别是在危险风暴、致命热浪和潜在干旱等气候紧急情况中。然而，现有的超级计算机预测方法不仅耗时耗力，而且对能源的高需求也加剧了温室气体排放，这与它试图预测的由气候变化引起的极端天气形成了讽刺的对照。“目前的过程计算成本非常高。” 多伦多大学和Vector Institute的人工智能博士后研究员詹姆斯·雷奎玛说道。 为解决这一问题，雷奎玛与其他研究人员开发了一种名为“Aardvark Weather”的天气预测模型。该模型最近在《自然》杂志上发表，使用人工智能技术显著提升了预测效率。与传统方法相比，Aardvark Weather 的预测结果相当，但速度提高了10倍，所需数据减少了很大比例，计算能耗降低至传统方法的1/1000。这一模型甚至可以在普通的电脑或笔记本上运行，具备开源性和高度可定制性，使小型组织、发展中国家或偏远地区的人们能够利用手头的数据生成地方性的天气预报，从而大大降低成本和技术门槛。 传统天气预测依赖于超级计算机进行数值模拟，从大气的初始条件出发，结合实际观测数据不断迭代预测模型。而Aardvark Weather则采用了端到端的深度学习方法，直接从传感器输入原始观测数据——包括卫星、船舶和气象站的资料——并预测降水、气压等关键气象变量。虽然训练初始模型仍需一定的计算资源，但一旦训练完成，运行和预测的成本极低，速度快得多，且更加灵活。 此前虽然有人尝试用机器学习改进气候模型，但这些方法仍然需要数值模拟作为输入。Aardvark Weather的突破在于完全绕过了数值模拟这一中间步骤，通过直接从观测数据映射到目标变量，开创了天气预测的新范式。这种技术的应用前景广泛，尤其是在那些资源有限的发展中国家和地区，可以为他们提供高质量的天气预测服务，从而更好地应对气候变化带来的挑战。 雷奎玛表示，他们的研究动机在于希望使用AI技术带来积极的变化，帮助解决气候问题。他和他的导师多伦多大学计算机科学系副教授大卫·杜贝诺德致力于将AI应用于有意义的领域。对于Aardvark Weather，雷奎玛主要负责设计模型架构和多阶段训练方案。 Aardvark Weather的名字源自项目的第一作者安娜·艾伦，她来自澳大利亚，喜欢各种有趣的动物，如树懒和土豚。安娜在项目中做了大量数据收集工作，包括加拿大的天气站、探空气球和船载观测数据。 业内人士认为，Aardvark Weather的开发标志着天气预测进入了一个新的时代，尤其是其高效、低成本的特点使其在资源有限的地区具有巨大的应用潜力。这一项目的成功体现了多伦多大学和Vector Institute在人工智能领域的创新能力和研究能力。