微软推出机器学习工具，提升两至六周天气预报准确度

传统的物理天气预报模型乃至新兴人工智能模型，在预测两周以后的天气时通常都会变得不够可靠，微软称已借助机器学习解决这一问题。微软研究人员表示，他们找到了一种成本较低的新方法，可更准确地提前两至六周预报天气，帮助农民和应急人员更有把握地提前规划。相关成果当天发表于《自然》杂志，该工具也已开源。微软由此加入谷歌、英伟达等开发人工智能天气预报工具的公司行列。与打造全新的独立天气模型不同，微软这项研究利用机器学习校正现有模型的偏差，研究人员希望这能让资源有限的气象机构更容易借助人工智能提升准确度。微软研究院新英格兰实验室高级首席研究员莱斯特·麦基表示，物理模型需在超级计算机上运行，生成式人工智能依赖高性能GPU，而新工具仅用CPU即可运行。物理模型和人工智能模型在预测两周以上天气时会遇到类似问题：两者都依靠近似方法弥补数据空白，例如气象站稀少的地区或科学家尚未完全理解的复杂大气现象，这些弥补方式可能形成系统性偏差，且误差会随预报时间延长而累积。微软将其方法称为概率偏差校正（PBC），利用机器学习识别并校正模型中的系统性偏差，例如校正气候变化的影响：化石燃料排放的温室气体正使地球变暖，而基于历史记录的模型可能偏向预测比实际更低的气温。研究发现，PBC在98%的降水目标和92%的气温目标上提升了欧洲中期天气预报中心（ECMWF）主流物理模型的准确度，并在研究分析中使ECMWF新人工智能预报系统的准确度翻倍。论文发表前，该研究已在ECMWF的AI Weather Quest竞赛中获奖。ECMWF机器学习战略负责人马修·钱特里称，这篇由微软、麻省理工学院、ECMWF等机构研究人员发表的论文是为业界开发新思路的好例子，但把想法落实到业务流程始终是最具挑战的一步。论文作者之一吉纳维芙·弗拉斯波勒认为，PBC轻量、易于训练，资源有限的科学家也能针对特定地区优化模型。她现任非营利机构Rhiza Research执行董事，该机构在盖茨基金会资助下与肯尼亚气象局合作，测试人工智能能否提供更准确的早期预警，PBC是其在预计因创纪录厄尔尼诺而更为极端的雨季到来前测试的方法之一。