我们居住的地球，正在经历着人类历史上最热的夏天（之一）。2023年7月3日，地球表面以上2米处记录的全球平均气温首次超过了17摄氏度，是有记录以来的最高温度。除了人类活动，强势的“厄尔尼诺”也是今夏全球高温加剧的罪魁祸首之一。
高温不仅会导致部分地区停业、停产，给当地带来经济损失，也会危害我们的身体健康，甚至死亡，比如因长时间暴露在高温环境下引起的热射病等。除了异常高温，近年来频发的海啸、台风（飓风）、洪水、冰雹等极端天气，也同样会对人类的经济生活造成难以估量的负面影响。
据世界银行估计，在全球范围内，改进的气象预测和预警系统不仅可以拯救数万人的生命，还可以带来每年1620亿美元的经济效益；另外，在过去50年中，超过34%的记录灾害、22%的相关死亡人数（101万人）和57%的相关经济损失（2.84万亿美元），也与极端降水事件不无关系。
因此，如何及时、准确地预测短时和未来的天气状况，已成为科学家们试图努力攻破的重要课题之一。人工智能（AI）被寄予厚望，被认为是“一个改善极端天气预测的更快、更便宜的替代方案”。
今天，同时刊登在Nature上的两篇关于“AI气象预报”的研究论文，便提到了两种基于AI的气象预报方法，其中一种方法能够提前一周预测全球气象模式，另一种方法则可以预测短时天气，如极端降水事件。据论文描述，这两种基于AI的方法与现有方法的准确性相当，甚至可以预测此前难以预测的天气现象。
然而，这些AI模型是否以及何时可以成为气象学家进行天气预报的主要工具，目前仍然存在一些不确定性和争议，主要的考虑因素在于，这些AI模型商业化后的运营成本高低以及是否可以赢得人们的信任。
在题为“Accurate medium-range global weather forecasting with 3D neural networks”的论文中，由华为云AI首席科学家田奇领导的研究团队提出了一个基于AI的天气预报系统——盘古气象（Pangu-Weather），其主要技术贡献包括设计3DEST架构并应用分层时间聚合策略进行中期预报。
据介绍，这个AI模型使用了39年的全球再分析天气数据作为训练数据，其预测准确率与全球最好的数值天气预报系统IFS相当；更重要的是，前者在相同的空间分辨率下比后者要快10000倍以上。
尽管如此，盘古气象依然展示出了大型预训练模型在天气预报方面的潜力。未来，研究团队希望通过融合更多垂直层次和大气变量、整合时间维度并训练4D深度网络、使用更深和更宽的网络等方法，实现模型的进一步迭代。
在另一篇论文中，由机器学习领域泰斗、加州大学伯克利分校教授Michael Jordan和清华大学教授王建民领导的联合研究团队提出了一个结合物理规律和深度学习进行实时预报降水的模型——NowcastNet。
据介绍，NowcastNet在临近预报方面表现出色，基于雷达观测数据，可以做到提前3小时对2048km×2048km的区域进行高分辨降水预测；在一项涉及极端降水预测能力的评估中，该模型在约70%的预测中超过了其他方法；此前很难预测的极端降水事件方面，表现尤其突出。
在一片与上述论文同时发表的“新闻与观点”文章中，科罗拉多州立大学研究教授Imme Ebert-Uphoff和研究助理Kyle Hilburn认为，这些方法非常有前途，甚至有可能引发一种范式转变，即基于生成式AI的模型可以完全取代数值天气预报。然而，他们也提醒到，这些AI模型也存在一些潜在风险。例如，当在从未见过的条件下运行时，AI系统的行为通常是不可预测的。
因此，要想避免这些风险，就需要气象学家参与进来，学习设计、评估和解读这类系统。