谷歌新AI天气模型精准预测每小时降雨

谷歌DeepMind与谷歌研究院近日联合发布新一代人工智能天气预测模型WeatherNext 3，这一模型在看懂大气变化和预测行为频率上均取得显著突破。根据研究团队透露，该模型将首次支撑谷歌搜索、谷歌地图及Gemini等多款核心产品中的天气信息展示，同时也会向云端平台的研究人员和用户开放。

“这将是最早一批核心变量为众多谷歌产品提供数据支持的实例之一。”谷歌高级职员工程师Samier Merchant如此评价WeatherNext 3的落地意义。据悉，WeatherNext 3已在初创公司Brightband构建的基准测试工具Operational WeatherBench上，成为主流竞争者中准确率最高的模型。该基准主要比较不同AI预报在温度、风速、湿度等关键指标上的表现。

与谷歌、微软、英伟达以及欧洲中期天气预报中心（ECMWF）研发的其他深度学习模型相比，WeatherNext 3不仅全面胜出，还同样击败了来自美国国家气象局和ECMWF的传统数值预报系统。这标志着AI天气预测在实用精度上又向前迈出了一大步。

长久以来，绝大多数官方天气预测依赖政府拥有的超级计算机，通过庞大数学方程模拟大气物理过程。这些传统系统尽管已被打磨得相当准确，但造价昂贵且计算耗时。2018年，ECMWF开放了其数十年积累的再分析气象数据，此举促使深度学习研究者开始训练新式预测模型，这些模型能更快地做出预报，准确度也逐步逼近政府级工具。

“天气系统是混沌的，微小差异会引发巨大扰动。机器学习直指我们真正要解决的问题——在信息不完备和有限算力下逼近有噪声的物理过程，从海量数据中学习规律。”DeepMind员工研究员经理Ferran Alet解释模型设计背后的思考。

过去的AI天气预报模型存在几个公认短板：预测空间分辨率较粗，通常为15至25平方公里，对实际应用而言不够精细；降雨预报能力有限；且高度依赖政府机构整理的格式化数据集。WeatherNext 3在这三方面均给出针对性突破。根据研究者向技术媒体透露的数据，该模型在关键变量上可预测到5公里级别的分辨率，降雨评估精度较上一代WeatherNext 2提升了60%，同时能将逐六小时的标准预测升级为逐小时输出。

这些性能跃升并非偶然，模型设计上的刻意调整功不可没。WeatherNext 3的参数量达到上一代的2.4倍，研究者还为其解码器设计了更贴合实际需求的目标函数。大多数天气模型以度量形式输出三维网格的物理量均值，而DeepMind团队则尝试让模型同时可视化环流形态，从而为用户和科研人员提供更直观的天气解释。这种兼顾数值精度和视觉可读性的做法，在天气预报研究社区中已收获不少赞誉。

随着WeatherNext 3逐步集成到谷歌搜索、地图和Gemini等日常产品，普通用户很快就能在熟悉的界面中体验到更精准的降雨和逐时预报。而面向学术与商业场景，谷歌云平台将提供该模型的完整使用权限，让科研机构能够在高分辨率数据集上开展极端天气研究、气候变化模拟等深度课题。业内分析人士认为，WeatherNext 3的成功验证了大规模深度学习方法在气象学中的持续价值，未来AI预报与传统物理模式有望形成互补，共同推动天气预报向更高时空分辨率演进。