原標題：
谷歌
新AI模型可以實現近乎即時的天氣預報 來源：志剛水煮通訊
（內容翻譯整理自Theverge）
想要天氣預報完全準確，技術上實現非常困難，但是近年來專家建議機器學習可以更好地幫助準確預報天氣。谷歌作為最新加入天氣預報研究的公司，本週發表了一項新研究，該研究稱谷歌實現了“近乎即時”的天氣預報。
攝影：Getty Images
雖然這項工作尚處於早期階段，尚未整合到任何商業系統中，但從早期的研究結果來看，似乎很有希望做到即時天氣預報。在尚未經過同行評議的論文中，谷歌的研究人員描述了他們如何能夠以僅數分鐘的計算，以1公里的解析度提前六小時生成準確的降雨預測。與現有技術相比，這是一個很大的改進，現有技術可能需要數小時才能生成預測，並且它們需要更長的時間來生成更復雜的資料。
谷歌研究人員說，迅速的預測將是“有效適應氣候變化，特別是極端天氣所需的基本工具。”在一個日益由不可預測的天氣模式主導的世界中，短期預測對於“危機”處理至關重要，能夠減少生命和財產損失。
的工作使用雷達資料來預測降雨量。上圖顯示雲的位置，下圖顯示降雨。學分：NOAA， NWS， NSSL
與傳統的預測技術相比，Google方法的最大優勢是速度。谷歌研究人員將他們的工作與兩種現有方法進行了比較：光流（OF）預測（用於觀察像雲這樣的現象的運動）和模擬預測（用於建立基於物理的天氣系統的詳細模擬）。
這些較舊方法（尤其是基於物理的模擬）的問題在於它們的計算量非常大。例如，美國聯邦機構為天氣預報所做的模擬，每天必須處理來自氣象站多達100 TB的資料，在昂貴的超級計算機上執行數小時才能夠計算出結果。
“傳統方法需要6小時一次的計算預測，所以每天只能執行3-4次，這導致天氣預測是基於6個小時以上的舊資料”谷歌軟體工程師賈森·希基在部落格文章中寫到。相比之下，Google的方法可在數分鐘內產生結果，因為它們不嘗試對複雜的天氣系統進行建模，而是針對簡單的雷達資料做出預測，以此作為降雨的判斷。
該公司的研究人員使用美國國家海洋和大氣管理局（NOAA）在2017年至2019年間在美國附近收集的歷史雷達資料，並以此訓練了他們的AI模型。結果顯示他們的預測與使用相同資料進行預測的三種現有方法一樣好，甚至更好，儘管他們的模型在嘗試提前六個小時以上做出預測時表現不佳。
目前，這似乎是AI機器學習在天氣預報中的最佳選擇方法：做出快速的短期預測，而將更長時間的預測留給功能更強大的模型。例如，NOAA的天氣模型可以提前10天建立天氣預報。
儘管還沒有看到AI對天氣預報的全面影響，但許多其他公司也在研究這一領域，包括
IBM
和Monsanto。而且，正如Google的研究人員所指出的那樣，隨著我們感受到氣候變化的影響，這種預測技術只會在我們的日常生活中變得越來越重要。
