谷歌母公司Alphabet旗下的英国AI研究机构DeepMind又一次大

谷歌母公司Alphabet旗下的英国顶级AI研究机构DeepMind又一次大动作。

这一次，DeepMind聚焦天气预报的重大挑战，与英国气象局合作，将AI应用于降雨预报，可以比现有预报模型更准确地预报未来1—2小时的降雨量。

DeepMind的AI模型提前90分钟预测天气事件。

根据论文，DeepMind使用深度生成模型来实现精确的降雨量预测使用NVIDIA V100 GPU，该模型可以在短短1.3秒内生成全分辨率的近天气预报样本

根据DeepMind的研究团队，气象学家已经表明，他们普遍对DeepMind提出的新AI模型比传统方法更加乐观，这为新的天气预测方法铺平了道路，这些方法通过使用AI大大提高了准确性。

这项研究刚刚发表在顶级学术期刊《自然》上，标题为《用雷达深度生成模型进行有技巧的降雨临近预报》本文对模型，数据和验证方法进行了系统的梳理和讨论

此外，DeepMind还向GitHub发送了训练数据和一个预先训练好的英国模型。

现代天气预报的棘手问题是2小时内准确预报天气。

今晚要下雨了，记得带伞！这种围绕天气话题的讨论和劝诫在人们的聊天中很常见。

从日常生活到防灾，天气预报需要越早越好，越准确越好但是直到现在，预测降水仍然是气象学家面临的一个主要挑战

在中世纪，气象学家首先使用恒星进行预测慢慢地，记录季节和降雨模式的表格开始被保存几个世纪后，英国物理学家和数学家刘易斯弗莱理查森设想了一个预测工厂，利用计算和大气物理方程来预测全球天气

如今，DeepMind在天气预报系统中加入了机器学习的新元素。

现代天气预报是由数值天气预报系统驱动的通过求解物理方程，NWP可以提前几天预测未来的天气这种方法通常在预测6小时到2周后的天气时有很好的准确性，但在预测2小时内的天气时准确性会降低

现在，邻近预测填补了这一关键时间间隔的性能空白。

临近天气预报对水管理，农业，航空，应急规划和户外活动非常重要，支持许多依赖天气决策的行业的现实社会和经济需求。

伴随着天气传感技术的发展，测量地面降水的高分辨率雷达数据可以高频提供现有方法难以解决的关键领域与高质量数据的可用性相结合，为机器学习为邻近预测做出贡献提供了机会

最近几年来，出现了几种基于机器学习的方法他们在雷达观测到的大数据集上训练，目的是更好地模拟强降雨和其他不可预测的降雨现象例如，谷歌与美国国家海洋和大气管理局合作，研究可能注入NOAA企业的机器学习系统，微软还出资从历史数据中识别重复的天气和气候模式，以改进亚季节和季节预测模型

邻近预测深度生成模型的准确性和实用性排名第一。

DeepMind重点预报:附近的降雨，提前2小时预报降雨的数量，时间和地点。

研究人员使用类似于GAN的深度生成模型方法DGMR，根据过去的雷达数据对未来的雷达做出详细而可信的预测。

从概念上讲，这是一个生成雷达图像的问题降雨生成模型DGMR学习数据的概率分布，并描述随机变量可以获得的所有可能值，以便根据学习到的分布生成近似预测

利用这些方法，研究团队不仅可以精确捕捉大规模降雨事件，还可以生成许多替代降雨场景，从而探索降雨的不确定性在研究过程中，研究小组使用了来自英国和美国的雷达数据

在训练过程中，研究团队通过比较CPU和GPU的硬件速度来评估采样速度，发现生成每个样本的平均时间，CPU为23.7秒，GPU为1.3秒。

使用过去20分钟的观测雷达数据，由降雨深度生成模型提供未来90分钟的概率预测。

DeepMind团队在博客中提到了:我们特别感兴趣的是这些模型对中到暴雨事件的预测能力，这些事件对人和经济的影响最大与竞争方法相比，它们显示了这些模型的统计改进

为了验证DGMR生成的预测结果的准确性，研究团队准备了两个现有的降雨预测模型，分别隐藏了模型名称，并邀请了国家气象局的56名天气预测专家进行评估。

与其他主流的进场预测方法相比，DGMR对1536公里乘1280公里的区域做了更符合实际的一致预测，并提前5~90分钟进行了预测。

与广泛使用的方法预测方法相比，他们在89%的情况下将我们的新方法评为他们的首选，这表明我们的方法有能力为现实世界的决策者提供洞察力DeepMind的研究人员写道与其他两种竞争方法相比，DGMR在准确性和实用性评估方面排名第一

如图所示，观测到的实际雨云移动如下图左上角所示，右上角显示的是DGMR模式生成的预测结果与高降水强度的对流方法和模糊模拟结果的UNet方法相比，DGMR能够更好地捕捉环流，强度和结构，更准确地预测东北地区的降雨和移动，同时生成清晰的预报

2019年4月发生在英国的一场具有挑战性的事件。

论文提到:我们已经证明，生成的邻近预测可以提供概率预测，提高预测值，支持运营效用，替代方法在解决方案和交付时间方面难以实现。

2019 年 4 月美国东部的一次大降水事件生成方法 DGMR 平衡了降水强度和程度，相比之下，PySTEPS 方法的强度往往过高，UNet 的结果相对模糊

天气预报往往受多重因素影响，也许一个预测对了降雨位置但算错强度，另一个预测在错误的位置预测对了强度等在这项研究中，研究人员付出了很多努力，根据广泛的指标来评估其算法

DeepMind 研究人员称，DGMR 可以预测由于潜在的随机性而本质上难以追踪的天气事件，还可以像调整任务的系统一样准确地预测降雨的位置，同时保留对决策有用的属性。

下一步计划:提高长期预测准确性

通过使用统计，经济和认知分析，DeepMind 展示了一种新的，有竞争力的雷达降雨临近预报方法。

建模复杂现象，快速预测和代表不确定性的能力使 AI 成为环境科学家的强大工具DeepMind 高级专职科学家 Shakir Mohamed 说

他认为尽管现在还为时过早，但这次试验表明，AI 能让预测人员不必将时间耗费在不断增加的预测数据堆里，而是专注于更好地了解其预测的影响这将是减轻当今气候变化不利影响，支持适应不断变化的天气模式并可能拯救生命不可或缺的一部分

不过，任何方法都有局限性，需要做更多的工作来提高长期预测的准确性和对罕见和激烈事件的准确性。

因此研究团队计划在未来的工作中，开发更多的评估性能的方法，并进一步将这些方法专业化，以适应具体的现实应用。

DeepMind 研究人员相信，这是一个令人兴奋的研究领域，他们希望这篇论文能为新的工作提供数据和验证方法，使提供有竞争力的验证和操作效用成为可能。

他们还希望与英国气象局的合作将促进机器学习和环境科学的更大整合，并更好地支持应对气候变化的决策。

结语:DeepMind 用 AI 破解，科学难题的又一突破

AI 和数据分析的价值正更多渗透到天气预报领域去年年初，华为云与深圳市气象局合作，采用 AI 方法将预测准确率提高 10%~20%借助 AI 及大数据，国内的彩云天气应用，苹果去年 4 月收购的第三方天气应用 Dark Sky 均实现了分钟级的降雨预测，预测准确度还在不断提升

Facebook 首席 AI 科学家 Yann LeCun，知名 AI 科学家吴恩达均曾表示，缓解气候变化和促进能源效率对于 AI 研究人员来说是值得的挑战。

环境科学和 AI 之间的合作侧重于决策者的价值，为临近预报降雨开辟了新渠道，也体现出 AI 在不断变化的环境中支持应对决策挑战的机会。

从去年发布破解蛋白质折叠难题的 AI 蛋白质预测模型 AlphaFold，到如今 AI 降雨预测模型 DGMR 再登 Nature，DeepMind 的 AI 研究正愈发展现出解决关键科学问题的实际应用价值。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。