一個新研究人員預測（AI）驅動的天氣預測系統可能會改變預測。
該系統在周四（3月20日）報導，該系統被稱為AARDVARK天氣，比使用一小部分計算能力生成的預測比傳統的預測系統快數十倍。。
“我們所有人都依靠的天氣預報系統已經開發了數十年，但是在短短的18個月內，我們就可以使用桌面計算機上的十分之一的數據來構建與這些系統中最好的系統競爭的東西，” 理查德·特納，英國劍橋大學的工程師陳述。
當前的天氣預報是通過將數據輸入複雜的物理模型來生成的，這是一個多階段的過程，需要在專用的幾個小時。
Aardvark的天氣規定了這一苛刻的過程：機器學習模型使用來自衛星，氣象站，船隻和氣象氣球的原始數據來做出預測，而無需依賴大氣模型。團隊指出，衛星數據對於模型的預測尤其重要。
有關的：
研究人員稱，這種新方法可以在天氣預報的成本，速度和準確性方面具有重大優勢。 Aardvark的天氣無需使用超級計算機和專用團隊，而是在短短幾分鐘內就可以在台式計算機上產生預測。
用AI替換天氣預測管道
該團隊將Aardvark的性能與產生全球預測的現有預測系統進行了比較。 Aardvark僅使用傳統預測系統所需的觀察數據的8％，超過了美國國家全球預測系統（GFS）系統，可與美國氣象局進行的預測相媲美。
但是，AARDVARK的空間分辨率遠低於當前預測系統的空間分辨率，這可能會使其初始預測與超本地天氣預測的相關性較低。 Aardvark天氣以1.5度分辨率運行，這意味著其網格中的每個盒子均覆蓋1.5度的緯度和1.5度的經度。為了進行比較，GFS使用0.25度網格。
但是，研究人員還說，由於AI從餵養的數據中學習，因此可以量身定制以預測特定領域的天氣，例如非洲農業的溫度或歐洲可再生能源的風速。 AARDVARK可以將其存在的高分辨率區域數據融合在一起，以完善本地預測。
“這些結果只是Aardvark可以實現的開始，”研究合著者 安娜·艾倫劍橋大學在聲明中說。 “這種端到端的學習方法可以輕鬆地應用於其他天氣預報問題，例如颶風，野火和龍捲風。除了天氣之外，其應用不斷擴展到更廣泛的地球系統預測，包括空氣質量，海洋動力學和海冰預測。”
研究人員說，AARDVARK還可以支持世界上缺乏將全球預測改進高分辨率區域預測資源的地區的預測中心。
“ Aardvark的突破不僅與速度有關，還與訪問有關，” 斯科特·霍斯金（Scott Hosking）聲明在英國艾倫·圖靈研究所（Alan Turing Institute）的AI研究人員。 “通過將天氣預報從超級計算機轉移到台式計算機，我們可以民主化預測，使這些強大的技術可用於發展世界各地的國家和數據范圍內。”
