身处现代社会，天气预报的重要性显而易见。出门上班前查看天气，判断是否需要带伞；旅行前了解目的地的天气，来决定带什么衣物。传统上，人们大多是依据一些直观经验来预测天气。比如，“日晕三更雨，月晕午时风”，是说日晕预示着夜晚会下雨，月晕则预示着午后会刮风；“雨后东风大，来日雨还下”，表示东风在雨后增强预示着第二天还会下雨；“朝霞不出门，晚霞行千里”，则是说早晨的红霞预示着不宜出行，而傍晚的红霞则预示着天气将会晴朗。这些都是人们基于长期观察自然现象积累下来的经验。
古人看星星预测气象
依靠传统的经验预测天气虽有其价值，但在精确度和可靠性方面仍显得不足。为了提高预报的准确性，气象学家们开始收集各种与天气相关的数据，如温度、湿度、风力、空气中的凝结核数量、冰晶数量等，将这些数据拿来作为天气预测的依据。
近年来，除了传统的地面气象观测站，人们还建设了地面气象雷达系统、高层大气观测系统、气象卫星系统，这些高科技装备每时每刻都在采集大量气象数据[1]。
地上气象观测站（左）和地面气象雷达站（右）
气象卫星云图
问题是，如何利用这些数据进行气象预测呢？
传统方法是这样的：首先将地球表面按经纬线划分成相同大小的格子（如下图所示）；接着，根据流体动力学和热力学的原理，形成一组数学方程；然后，以当前的大气状态作为初始条件，比如气压、温度、密度、湿度和风速等，使用数值计算方法求解这一方程组，就可以预测未来某个时刻的天气了。
然而，这种方法存在一个显著问题：计算速度太慢[2]。例如，若要对未来10天的全球天气进行预测，即使是拥有352个计算节点的超级计算机，也需要花费约一个小时的时间，而且预测结果的误差也是相当明显[3]。
将地球按经纬线划分小格子[2]
欧洲中期天气预测中心的预测误差[3]
近年来，基于人工智能的天气预报系统受到人们的青睐。这是因为多年的观测积累了大量数据，利用这些数据，机器可能直接学习到天气变化的规律，从而避免了求解物理方程的繁琐。
例如，《自然》杂志在2023年7月刊登了一篇华为公司的新研究[4]。在这项工作中，研究者们利用了全球39年的气象数据，训练了一个深度神经网络。这个网络的输入是当前地表和高空的一些观察数据，输出是这些数据未来一段时间的预测值。这些数据包括两部分变量：(1) 海平面上方13层不同气压处的观测值，每层观测值包括5个变量 (地重力势、湿度、温度和两个方向的风速)；(2) 海平面处的4个观测量，包括2米处温度、10米处两个方向风速、海平面气压。这些变量的观测值经过分块、映射成嵌入向量，并组合在一起，送入一个3维Transformer结构进行编码和解码，最后恢复到数据空间，形成对未来的天气预测。
经过验证，这款称为“盘古”的AI系统在准确性上超过了全球最强大的数值天气预报系统——欧洲中期天气预测中心，且预测速度提高了1万倍，显示出巨大的潜力。不仅如此，盘古还能预测台风等极端气象的发展过程，准确度非常高。
盘古AI天气预报系统的网络结构[4]
盘古AI天气预测系统预测台风康妮的轨迹。黑线是实际走向，红线是盘古预测走向，蓝线是欧洲中期天气预测中心的预测走向[4]
气象预报只是人工智能的一次小试牛刀。随着技术进步，人工智能将越来越多地渗透到其它学科，颠覆传统方法，给我们的生活带来更多的安全、便利与欢乐。
参考文献：
[1] 科普中国，天气预报是怎么做到精准预测的。https://www.kepuchina.cn/yc/201712/t20171218_339157.shtml
[2] The History of Weather Forecasting, https://mathshistory.st-andrews.ac.uk/HistTopics/Weather_forecasts/
[3] The ECMWF Scalability Programme: Progress and Plans，https://www.ecmwf.int/en/elibrary/81155-ecmwf-scalability-programme-progress-and-plans
[4] Bi K, Xie L, Zhang H, et al. Accurate medium-range global weather forecasting with 3D neural networks[J]. Nature, 2023: 1-6.
By：清华大学 王东