Google DeepMind發表史上最準確的全球天氣預報AI模型GraphCast

Google DeepMind周二（11/14）發表了號稱史上最準確的全球天氣預報AI模型GraphCast，它是個中期氣象預測模型，可在1分鐘內預測未來10天的天氣，比歐洲中期天氣預報中心（ECMWF）所打造的10天高解析度預測（HRES）更準確也更快速。DeepMind不僅已透過GitHub開源GraphCast，亦已於ECMWF官網上公開測試GraphCast。

GraphCast使用了40年的天氣再分析資料進行訓練，相關資料來自於ECMWF的ERA5資料集。此一資料集集結了各種的歷史天氣觀測資料，包括衛星圖像與雷達，再加上氣象站所使用的基於物理運算的傳統數值天氣預報（NWP）來彌補觀測不足之處，以重建豐富的全球歷史天氣紀錄。

此外，GraphCast是個基於機器學習及圖像神經網路的天氣預報系統，它以0.25度經緯度（相當於28x28公里）的高解析度進行預測，以逾100萬個網格覆蓋了地球表面，在每個網格中預測5種地球表面變數，如溫度、風速、風向及平均海平面壓力等，以及6個大氣變數。

儘管GraphCast的訓練屬於密集運算，但所生成的預測模型卻非常有效率，GraphCast只需要輸入兩組資料，包括6小時前的天氣狀態以及現在的天氣狀態，該模型就能預測6小時之後的天氣，以此類推一直到10天。在一臺Google TPU v4機器上不到1分鐘就能完成10天的預測，相較之下，若以傳統的HRES進行預測，在一個由數百臺機器組成的超級電腦上還需要數小時才能得到結果。

比較GraphCast與HRES的準確度，在1380個測試變數與提前預報時間上，GraphCast有超過90%都比HRES還要準確，若將預測範圍縮小至對流層，GraphCast有99.7%的預測優於HRES。

除了一般的天氣預測之外，DeepMind資深科學家Remi Lam指出，即使沒有經過特別的訓練，但GraphCast可比傳統的預測模型更早辨識惡劣的天氣事件，包括將氣旋追蹤器直接應用於GraphCast預測中，或是呈現大氣河流（AV）的特性，可即早發現颶風與洪水，將有助於在愈來愈極端的全球氣候中提前防範。

在GraphCast之前，Google DeepMind與Google Research已曾發表兩款天氣預報系統，包括可生成90分鐘之後天氣預報的Nowcasting模型，以及24小時預報系統MetNet-3，而這兩個系統都是屬於區域性的，GraphCast則覆蓋了全球。

除了已有包括ECMWF在內的氣象組織採用了GraphCast，DeepMind也認為，開源GraphCast可望激發更多的可能性，包括針對特定氣候現象製作模型，或是針對全球不同地區的需求來優化模型。