谷歌DeepMind团队在《科学》期刊上发表论文称，该团队开发的GraphCast AI模型在“3至10天的中期气象预测领域”展现出超越传统气象预测模型的准确率和效率。
DeepMind团队在论文结论部分直白地表示，团队相信这个AI模型标志着“气象预测（行业）的转折点”。
强在哪里？
经过广泛的评估显示，GraphCast模型在预测未来3至10天的天气方面，较欧洲中期天气预报中心（ECMWF）所运行的最先进传统预报系统更加准确。
在1380个验证目标中，GraphCast在90%的情况下要优于最先进的传统模型。这些指标包括不同大气层的温度、压力、风速、方向以及湿度等。该模型较为突出的优点是能够更好地支持严重气象事件的预测，例如热带气旋追踪、大气河流以及极端温度等。
欧洲中期天气预报中心是一个政府间机构，近年来一直在使用英伟达、DeepMind以及华为盘古等AI大模型进行实时预测，该机构也同步运营着自营综合预报系统。ECMWF的机器学习协调员Matthew Chantry也对媒体表示，气象领域的AI系统进步速度“比我们两年前预期的要快得多，也更令人印象深刻”。
据悉，GraphCast使用的是被称为“图神经网络”（GNN）的机器学习架构。这个AI模型通过学习ECMWF过去40多年的数据，了解天气系统是如何在全球范围内发展和移动。这个模型的运作机制是输入当前时刻及前6个小时的全球大气状态（这些数据由ECMWF进行观测和汇总），然后只需要一个谷歌TPU v4的云算力就能在一分钟内生成10天的预报。
作为对比，ECMWF与全球气象机构使用的传统方式被称为“数值天气预报”（NWP）——使用超级计算机依据大气物理的知识计算方程式。耗能极大的超算需要数个小时来得出结果。
Chantry惊叹称：“一旦GraphCast模型训练完成，实际的运行成本极低。在能源消耗方面，我们可能谈论的是1000倍的节省，这是一个奇迹般的进步。”
