自从 ChatGPT 横空出世，野生智能（AI）再度引爆话题以来，很多人都心胸一个疑问：我希望野生智能可以帮我扫地洗碗，好让我故意情去写诗画画。可为什么现在的野生智能却都写诗画画去了，就我们人类还在扫地洗碗？

图片截取自交际媒体

网友吐槽的这个情况，跟野生智能技术的成长途径有关，也跟技术的贸易化进程有关，到也不是科研职员“决心为之”的。与此同时，也有无数的野生智能研发职员正在尽力工作，让这项技术能帮助大师实现一些更现实的方针。

比来，华为云团队在《自然》杂志颁发的一项 AI 大模子，就试图处理一个困扰全人类的、很是现实的题目：天气预告。

图库版权图片，转载利用能够激发版权胶葛

天气预告最大的难点之一，就是决议天气若何发生的大气系统在演变时所具有的混沌性。

虽然今朝的 NWP 方式已经获得了明显的进步，但照旧存在一些限制。首先，NWP 模子需要大量的计较资本来求解复杂的物理方程。这对大范围的全球气象预告而言，能够是一个“致命”的题目。其次，NWP 模子凡是需要具体的初始条件，这些条件常常由卫星和空中丈量供给，但数据能够存在不肯定性或误差。这会影响猜测的正确性。

是以，虽然我们已经可以做出相当正确的短期天气预告（如未来几小时或几天的预告），但中期和持久预告（如未来几周或几个月的预告）的正确性照旧是一个应战。现在，AI 大模子的出现，也许能让我们向更精准的中持久预告更进一步。

在 2023 年 7 月 5 日的《自然》杂志正刊上，华为云团队报告了一项基于华为云盘古气象（Pangu-Weather）大模子停止的中期天气猜测的工作。这项工作初次处理了 AI 预告天气精度不及传统数值预告的天下性困难，而且猜测速度快了 1 万倍，实现了“秒级”全球气象猜测。

华为云盘古气象大模子的焦点是一种三维深度神经收集（3D Earth-Specific Transformer），可以捕捉天气数据中的复杂形式，利用了约 40 年的全球天气数据停止练习。同时，团队采用了一种条理化时域聚合战略，以削减中期预告中的积累误差。其成果是，盘古气象大模子在部分情况下，其精度和速度方面超越了此前全球最好的 NWP 系统。

华为云研发团队发现，此前 AI 气象预告模子的精度不敷首要有 2 个缘由：第一，原本的 AI 气象预告模子都是基于 2D 神经收集，没法很好地处置不均匀的 3D 气象数据；第二，AI 方式缺少数学物理机理约束，是以在迭代的进程中会不竭堆集迭代误差。

华为云盘古天气大模子的一个关键冲破是对地球上的天气形式的了解。经过将高度信息整合到新的维度中，该系统可以在三个维度中了解天气形式，从而更正确地猜测天气。此外，条理化时域聚合战略也是一项重要的技术冲破，它极大地削减了中期天气预告所需的迭代次数，由此下降了积累误差。

图库版权图片，转载利用能够激发版权胶葛

业界对华为的这项研讨赐与了高度评价。相关专家普遍以为，盘古气象大模子的出现代表了野生智能在天气预告范畴的严重冲破。中国国家气象中心和欧洲中期天气预告中心（ECMWF）等机构在实测中证实了盘古大模子猜测的优越性，其成果包括温度、湿度、风速、海平面气压等，可以间接利用于多个气象研讨细分场景。

不外，虽然盘古大模子从某种意义上来说斥地了新的预告路子，但它仍依靠 NWP 来练习，且成果并没有碾压 NWP。是以，站在客观角度来看，同业专家们也对盘古气象大模子提出了一些不敷和改良偏向，这些还是研讨团队需要进一步研讨和考证的。

2023 年 5 月，台风“玛娃”作为今年迄今为止最强的热带气旋引发了天下的关注。国家气象中心操纵野生智能快速增强识别技术，提早 12 小时实现趋向预告。《中国气象报》在相关报道中称，华为云盘古模子在玛娃轨迹猜测方面表示出色，提早 5 天猜测了其在台湾岛东部海域的转弯轨迹。在第 19 届天下气象大会上，欧洲中期预告中心也指出，华为云盘古气象大模子在精度上有不成否认的才能，纯数据驱动的 AI 天气预告模子展现出了可与数值形式媲美的预告气力。

华为云研发团队还提出了顺应性进修战略，让模子在针对新数据停止猜测时可以停止实时调剂。这项技术的成功实现将进一步进步盘古气象大模子的猜测正确性，使其在现实利用中更具代价。

在农业、航空、能源、灾难预警等范畴，正确的天气预告具有严重的社会和经济代价。例如，在农业利用中，正确的降水量预告将有助于农民公道放置农事活动，进步农业生产效力。而在航空运输范畴，正确的风速预告将有助于航空公司公道放置航线，下降运营本钱。

在曩昔的几十年里，气象科学家们一向在尽力，想法进步天气预告的正确性，但这个范畴照旧有很多应战。未来野生智能技术有能够成为应对这些应战的关键。

正文

[1] https://www.nature.com/articles/s41586-023-06185-3

[2] 论文摘要描写为39年。华为官网消息报道为43年。

[3] https://www.cma.gov.cn/en2014/news/News/202306/t20230607_5560758.html

[4] https://www.ecmwf.int/en/about/media-centre/science-blog/2023/rise-machine-learning-weather-forecasting

策划建造

作者丨闻非 科学记者

考核丨于旸 腾讯玄武尝试室负责人