来自世界气象组织（WMO）的数据显示，在过去 50 年里，平均每一天都会发生一场与天气、气候或水患有关的灾害，而每一场灾害平均会造成约 115 人死亡、约 2.02 亿美元的经济损失。更令人唏嘘的是，近年来，由人类活动加速的气候变化，更是使得热浪、寒潮、强降水、干旱等极端天气和气候灾害异常频发。
因此，及时、准确的天气预测和气候模拟不仅可以每年帮助挽救数万人的生命，还能够降低极端天气和气候事件对人类社会和生态系统的灾难性影响。
如今，由 Google Research 研究团队及其合作者开发的人工智能（AI）模型 NeuralGCM，将天气预测和气候模拟提升到了一个新的高度。
NeuralGCM 对 1-15 天预报的准确率，媲美欧洲中期天气预报中心（ECMWF），后者拥有世界上最先进的传统物理天气预报模型；对提前 10 天预报的准确率，NeuralGCM 与现有其他 AI 模型性能相当，甚至更好；加入海平面温度后，NeuralGCM 的 40 年气候预测结果，与从 ECMWF 数据中发现的全球变暖趋势一致；NeuralGCM 在预测气旋及其轨迹方面也超过了现有的气候模型。
值得一提的是，NeuralGCM 不仅在准确度方面达到甚至超过了现有传统数值天气预报模型和其他机器学习（ML）模型；在速度上也是“遥遥领先”，可以在 30 秒计算时间内生成 22.8 天大气模拟；且可以比传统模型节省数量级的计算量。
相关研究论文以“Neural general circulation models for weather and climate”为题，已发表在权威科学期刊 Nature 上。这些结果共同表明，NeuralGCM 可以生成确定性天气、天气和气候的集合预报，在长期天气和气候模拟方面显示出了足够的稳定性。
研究团队认为，这种端到端深度学习与传统大气环流模型（GCM，表征大气、海洋和陆地的物理过程，是天气和气候预测的基础）所执行的任务是兼容的，且能够增强对理解和预测地球系统至关重要的大规模物理模拟。此外，NeuralGCM 的混合建模方法还可以应用于其他科学领域，比如材料发现、蛋白质折叠和多物理工程设计等。
尽管 NeuralGCM 在天气和气候预测方面展现了强大的能力，但它仍然存在一些局限性。首先，NeuralGCM 预测未来气候的能力有限。其次，NeuralGCM 模拟未观测气候的能力不足。然后，NeuralGCM 还存在物理约束和数值稳定性问题。最后，缺乏与其他地球系统组件的耦合。
在天气预测和气候模拟方面，NeuralGCM 并非“先行者”。在过去几年中，包括华为、谷歌和清华大学等在内的科技公司和高校在这一方向均取得了重大进展。如今，传统的天气预测和气候模拟正在被 AI 颠覆。在未来，AI 将进一步加速气象预测的速度和精度，造福全人类。