近年來(lái)，數(shù)值天氣預(yù)報(bào)方法在每日天氣預(yù)報(bào)、極端災(zāi)害預(yù)警、氣候變化預(yù)測(cè)等領(lǐng)域取得了巨大成功。但是，隨著算力增長(zhǎng)趨緩和物理模型逐漸復(fù)雜化，傳統(tǒng)數(shù)值預(yù)報(bào)的瓶頸日益突出，亟須新的天氣預(yù)測(cè)方式。在眾多預(yù)測(cè)方式中，科學(xué)家將目光瞄向了飛速發(fā)展的人工智能。

　　聯(lián)合國(guó)氣象組織及其合作伙伴8月8日宣布，2023年7月成為人類(lèi)有氣象記錄以來(lái)全球平均氣溫最高的月份。除了熱浪，一些國(guó)家還遭遇了持續(xù)的暴雨和洪水。氣候變化帶來(lái)的極端天氣事件已經(jīng)成為我們不得不面對(duì)的現(xiàn)實(shí)。

　　越早獲得極端天氣的準(zhǔn)確信息，越有利于人類(lèi)提前應(yīng)對(duì)。在眾多預(yù)測(cè)方式中，科學(xué)家將目光瞄向了飛速發(fā)展的人工智能（AI）。近期，來(lái)自中國(guó)和美國(guó)的科學(xué)家分別在國(guó)際頂級(jí)學(xué)術(shù)期刊《自然》上發(fā)表研究成果，揭示了人工智能協(xié)助預(yù)報(bào)天氣的潛力。

　　1小時(shí)到7天預(yù)報(bào)精度超數(shù)值天氣預(yù)報(bào)

　　近年來(lái)，數(shù)值預(yù)報(bào)方法在每日天氣預(yù)報(bào)、極端災(zāi)害預(yù)警、氣候變化預(yù)測(cè)等領(lǐng)域取得了巨大成功。但是，隨著算力增長(zhǎng)趨緩和物理模型逐漸復(fù)雜化，數(shù)值預(yù)報(bào)的瓶頸日益突出，研究者們開(kāi)始挖掘新的方式預(yù)測(cè)天氣。

　　7月6日，《自然》正刊發(fā)表了華為云盤(pán)古大模型研發(fā)團(tuán)隊(duì)的研究成果——《三維神經(jīng)網(wǎng)絡(luò)用于精準(zhǔn)中期全球天氣預(yù)報(bào)》，論文顯示，盤(pán)古氣象大模型是首個(gè)精度超過(guò)傳統(tǒng)數(shù)值預(yù)報(bào)方法的AI模型。

　　據(jù)華為云盤(pán)古大模型研發(fā)團(tuán)隊(duì)相關(guān)人員介紹，數(shù)值預(yù)報(bào)方法在中長(zhǎng)期預(yù)報(bào)等領(lǐng)域的應(yīng)用最為廣泛。在這些領(lǐng)域中，現(xiàn)有的AI預(yù)報(bào)方法精度仍顯著低于數(shù)值預(yù)報(bào)方法，并受到可解釋性欠缺、極端天氣預(yù)測(cè)不準(zhǔn)等問(wèn)題的制約。導(dǎo)致AI預(yù)報(bào)模型精度不足的主要原因，一是由于原有的AI預(yù)報(bào)模型都是基于2D神經(jīng)網(wǎng)絡(luò)構(gòu)建的，無(wú)法很好地處理不均勻的3D氣象數(shù)據(jù)；二是由于AI預(yù)報(bào)方法缺少數(shù)學(xué)物理機(jī)理約束，在迭代的過(guò)程中會(huì)不斷積累迭代誤差。

　　為此，華為云盤(pán)古大模型研發(fā)團(tuán)隊(duì)創(chuàng)造性地提出了適應(yīng)地球坐標(biāo)系統(tǒng)的三維神經(jīng)網(wǎng)絡(luò)來(lái)處理復(fù)雜的不均勻3D氣象數(shù)據(jù)，并且使用層次化時(shí)域聚合策略來(lái)減少預(yù)報(bào)迭代次數(shù)，從而減少迭代誤差。華為輪值董事長(zhǎng)胡厚崑表示，在氣象預(yù)報(bào)領(lǐng)域，盤(pán)古大模型1小時(shí)到7天的預(yù)測(cè)精度，已經(jīng)超過(guò)歐美一些氣象中心在相同預(yù)測(cè)時(shí)間內(nèi)的預(yù)測(cè)精度。