AI模型Aurora在飓风预测中超越传统方法
一款名为Aurora的突破性人工智能系统正在改变科学家预测飓风及其他天气现象的方式。由微软、宾夕法尼亚大学等机构合作开发的这一机器学习模型，展现出了超越传统预测方法的卓越能力。
图片来源说明：由AI生成的图像，MidJourney授权使用。
与依赖复杂物理方程的传统天气模型不同，Aurora采取了截然不同的方法。"它本质上是一个从历史地球物理数据中学习以预测复杂物理过程的巨大神经网络"，宾夕法尼亚大学副教授兼该系统共同开发者Paris Perdikaris解释道。这种数据驱动的方法使Aurora能够不受传统基于物理的限制进行预测。
该模型的训练既广泛又高效。研究人员在预训练阶段向其输入了超过一百万小时的多样化地球物理数据，随后仅用四到八周的极短时间完成微调。相比之下，传统的动力学模型通常需要专家团队多年的开发周期。
Aurora的性能指标令人印象深刻。在测试中，它准确预测了2023年的每一场飓风，同时持续超越官方气象预报中心的表现。在2022-2023年的五天热带气旋轨迹预测中，它超越了七个业务预报中心。或许最引人注目的是，它在92%的十天全球天气预报中超过了准确度目标。
使Aurora特别有价值的是其作为基础模型的多样性。除了飓风追踪外，研究人员还强调了其在以下方面的潜在应用：
- 空气质量监测
- 海洋波浪动力学
- 环境极端事件预测
- 高分辨率天气建模
像Aurora这样的系统的出现预示着地球系统预测可能发生范式转变。随着这些AI模型的不断发展，它们不仅有望提供更高的准确性，还能显著降低与传统超级计算机方法相比的成本。
另一款名为Aardvark的系统也展现出类似的潜力。这款机器学习天气预测工具可以在配备NVIDIA GPU的台式计算机上运行，同时仍能以远低于传统方法的计算成本提供十天预报。
这是否标志着天气预报新时代的开始？随着气候变化加剧极端天气事件的频率和强度，对准确及时预报的需求从未如此迫切。像Aurora这样由AI驱动的系统可能是直面这些挑战的关键所在。
关键要点
- Aurora比官方机构更准确地预测飓风轨迹，同时更快且成本更低
- 该模型基于超过一百万小时的数据训练完成，微调仅需数周时间
- 应用范围超出天气领域延伸至空气质量、海洋动力学和环境极端事件
- Aardvark等类似系统显示出桌面级天气预报的潜力
