气象大模型谷歌不是第一个做的，看我文章的老朋友应该还记得在6月份的时候有写过一篇《微软Aurora》推文，它就是一个大规模的大气基础模型。
近日，谷歌DeepMind团队也推出了全新AI气象模型GenCast。个人觉得谷歌这次算慢工出细活了，体验之后发现整体效果是比微软的要好一点的。
GenCast 技术细节
GenCast采用了先进的扩散模型架构，这是一种生成式AI模型，已经在图像、视频和音乐生成等领域展现出卓越性能。
通过逐步添加噪声并学习如何逆转这一过程，GenCast能够准确模拟天气系统的未来状态，从而预测未来15天的天气情况。
这种模型的独特之处在于其能够处理地球的球面几何形状，使得预测结果更加精确。
利用Google Cloud TPU v5的强大算力，GenCast能够在短短8分钟内生成一个15天的天气预报集合，每个预测都可以并行生成，这大大提升了计算效率。
相比之下，传统的物理模型需要数小时甚至更长时间来生成类似的预测，这使得GenCast在实际天气预报中具有显著优势。
为了训练GenCast，DeepMind团队使用了ECMWF ERA5档案中四十年的历史气象数据，包括温度、风速、气压等多种变量。
这些数据覆盖了全球范围内的多种天气模式，为模型提供了丰富的学习材料，使其能够更好地理解和预测复杂的天气系统。
应用和影响
GenCast的最大优势在于其能够，提前15天提供更快速、更精准的天气预报。
对于需要提前规划的活动（如农业种植、户外活动等）具有重要意义，可以帮助人们更好地应对即将到来的天气变化。
GenCast的高效计算能力也使得其在紧急情况下能够迅速提供准确的预测，有助于减少灾害带来的损失。
除了常规天气预报外，GenCast在预测极端天气事件方面表现尤为出色。
通过对历史数据的深入挖掘和学习，模型能够识别出潜在的极端天气模式，并提前发出预警。这对于防范自然灾害，保护人民生命财产安全具有重要意义。
GenCast的成功不仅展示了人工智能在气象预测领域的巨大潜力，也为其他相关领域提供了宝贵的经验和启示。
后面技术不断发展和完善之后，预计GenCast将在未来的天气预报系统中发挥更大的作用，为人们的生活和决策提供更加精准和可靠的信息。
预测准确度超越ENS
GenCast的预测准确度超越了欧洲中期天气预报中心（ECMWF）的ENS系统，这标志着人工智能在气象预测领域取得了重要的进展。
这一成就不仅体现了DeepMind团队在技术创新方面的领先地位，也为整个行业树立了新的标杆。
GenCast等先进模型应用多之后，天气预报的准确性和可靠性将得到进一步提升。
（一）准确的天气预报也能够帮助政府和企业更好地应对各种天气挑战，减少因天气变化带来的不确定性和风险。
（二）GenCast的成功，离不开多学科领域的紧密合作与共同发展。
（三）在训练过程中，DeepMind团队与气象学家、计算机科学家等多个领域的专家进行了深入交流与合作。
只要用心，后来居上不是问题。谷歌DeepMind团队推出的全新AI气象模型GenCast，它不仅提高了天气预报的准确性和速度，还增强了对极端天气事件的预测能力。
它具有显著的优势和意义，推动了人工智能在气象领域的广泛应用与发展。更重要的是，它象征着技术进步的力量和跨学科合作的重要性。
（文：陳寳）