DeepMind開發降水臨近預報AI模型，表現超越傳統預測方法

DeepMind和英國氣象局合作，發表了最新將人工智慧用於氣象預報的研究，推進降水臨近預報科學的進展，能良好預測未來1到2小時的下雨，以及諸如下雪等降水現象。

天氣預測對於人類生活意義重大，中世紀氣象學家就以各種方式預測降雨模式，到了近代科學萌芽，開始用大氣物理方程式來預測全球天氣，而DeepMind表示，現在氣象預測又往前跨了一步，已經可以使用機器學習來預測降水。

每天的天氣預報由強大的數值天氣預測系統進行預測，透過求解物理方程式，數值天氣預測系統能在數天前進行行星尺寸的預測，但是由於該系統計算時間過長，難以在2小時內產生高解析度預測，因此需要臨近預報，來填補這個因運算效能不足，而產生的預報空白。

臨近預報對於水資源管理、農業、航空和戶外活動等產業非常重要，天氣感測裝置的進步，使得研究能源能夠獲得高解析度的雷達資料，而機器學習則剛好適合應用於臨近預報，藉由利用高品質資料，解決關鍵領域的難題。

DeepMind這個新人工智慧模型，針對臨近預報降雨所開發，最多可提前兩小時預測降雨量、時間和位置，研究人員使用了1種稱為生成建模（Generative Modelling）的方法，根據過去的雷達資料，對未來的雷達資料進行詳細且合理的預測。

使用該方法，DeepMind不只可以準確捕捉到大規模事件，還可以生成系集預報（Ensemble Predictions），進而探索降雨的不確定性。這項研究使用了來自英國和美國的雷達資料，並且經英國氣象局的50位氣象專家進行評估，與目前被廣泛使用的臨近預報方法相比，在89％的案例中DeepMind的新方法表現較佳。