谷歌人工智能“即時”預測局部降水模式

谷歌希望利用人工智能和機器學習來快速預測當地天氣。在一篇論文和附帶的博客文章中，這家科技巨頭詳細介紹了一個人工智能系統，該系統利用衛星圖像生成“幾乎是瞬間”的高分辨率預測——平均分辨率大約為1公里，延遲時間只有5-10分鐘。它背后的研究人員說，它甚至在發展的早期就超過了傳統模型。

系統采用數據驅動和物理自由的方法來進行天氣建模，這意味著它只從例子中學習近似大氣物理，而不是通過整合先前的知識。其基礎是一個卷積神經網絡，負責將天氣模式的輸入圖像轉換成新的輸出圖像。卷積網絡由一系列的層組成，每一層都是一組數學運算。

在本例中，它是一個U-Net，其中層被安排在一個編碼階段，降低了通過它們的圖像的分辨率。一個單獨的解碼階段擴展了在編碼階段創建的低維圖像表示。U-Net的輸入包括每一幅多光譜衛星圖像在一小時內的一系列觀測中的一個信道。例如：

如果在一小時內收集了10張衛星圖像，并且每張圖像都是在10個波長下拍攝的，那么圖像輸入將有100個通道。

在最初的工作中，團隊訓練了一個來自美國歷史觀測的模型，將該模型在2017年至2019年期間分成了四個星期的時間塊，其中一部分留作評估。他們將該模型的性能與三個基線進行了比較，系統的質量總體上優于所有三種基線模型，計算延遲也要比基線模型更好。

谷歌并不是唯一一個利用人工智能來預測天氣和自然災難的公司。去年年初，IBM推出了由其子公司“天氣預報”開發的新預報系統，能夠提供“高精度”的全球局部預報。Facebook的研究人員開發了一種方法來分析衛星圖像，并確定一個地區在遭受火災和洪水等災難后的破壞程度。斯坦福大學地球物理系的科學家們試驗了一個名為Cnn-Rnn地震探測器(CRED)的系統，它可以從歷史和連續數據中分離和識別一系列地震信號，從而較為精準的預報地震。