AI预报天气很行，但是也没那么行

主要观点总结

本文主要介绍了人工智能在天气预报领域的应用，特别是气象大模型的发展。文章提到了谷歌的GenCast气象大模型和华为的盘古气象大模型等，并详细阐述了气象大模型相较于传统数值天气预报的优势和挑战。最后，文章讨论了气象大模型与传统数值预报方法的区别和联系，以及未来的发展趋势。

关键观点总结

关键观点1: 人工智能在天气预报中的应用

人工智能通过机器学习改进天气预报，全球多个机构发展出各自的数值天气预报模型，如欧洲中期天气预报中心的综合预报系统、美国国家环境预报中心的全球预报系统等。

关键观点2: 气象大模型的优势

气象大模型解决传统数值预报的局限性，如系统误差的累积与不确定性问题，计算资源需求巨大，无法有效利用历史观测数据等。它通过使用强大的计算能力和巨量历史数据训练，快速预测天气关键信息。

关键观点3: 气象大模型与传统数值预报方法的比较

气象大模型在很多方面不仅可以与传统数值预报相比，还能在准确性上有所超越。它使用深度学习模型淡化边界问题，得到收敛的解并输出，规避了传统数值预报模式的理想物理数学条件约束的边界条件。

关键观点4: 气象大模型面临的挑战

气象大模型仍存在诸多难题，如深度学习模型的“黑盒”问题、大模型的训练数据集不完备和不平衡问题、模型数据源与实际预测系统的差异等。此外，模型对于局地对流天气的产生机理的推算仍存在困难。

关键观点5: 气象大模型与传统数值预报方法的融合

气象大模型与传统数值预报方法各有优势，未来两者将深度融合，演化出更强大的数值气象预报系统。随着人工智能技术的发展，气象预报将变得更加准确和及时。

文章预览

正文共3728字，预计阅读时间约为12分钟 可点击右上角小圆点“听全文” ~ 人工智能如今已经渗透到人类生产生活的方方面面，天气预报也不例外。12月5日，《Nature》刊登了谷歌DeepMind开发的首个基于人工智能技术的天气预报模型（即 气象大模型 ）——GenCast，这是自我国华为盘古气象大模型之后又一登上《Nature》正刊的气象大模型。 GenCast的研究带头人雷米·林（Rémi Lam）也因为提出使用机器学习改进天气预报而入选《Nature》2024年度十大人物。 谷歌GenCast气象大模型 （图片来源：Nature） 问题来了： 用上人工智能的天气预报和传统天气预报的区别在哪里？它能代替传统的天气预报吗？ 传统天气预报如何预测天气？ 在了解气象大模型之前，我们有必要了解一下传统的天气预报原理—— 数值天气预报 。 数值天气预报方法起源于20世纪初。1904年，挪威 ………………………………