Google 推出 AI 天氣預報新模型，TPU 加速產生預測結果

lionking0809

極端天氣事件在世界各地越來越頻繁發生，因此快速準確地預測天氣更顯重要。Google 17 日推出一款經過改良的天氣預報模型 WeatherNext 2，將整合至 Google 旗下產品包括搜尋、地圖、Gemini 及 Pixel 手機當中。

由 Google DeepMind 與 Google Research 共同發表的 WeatherNext 2 模型，產生天氣預報的速度相較前一代提升 8 倍，且在預測 99.9% 的變數（例如溫度、風向、濕度）更準確。WeatherNext 2 能從相同的初始條件產生數百種可能的預測結果，在單一 TPU 上，每種預測花費不到 1 分鐘，傳統的模型在超級電腦上通常需要數小時才能達到同樣成果。

傳統的模型之所以需要大量運算，是因為本質上試圖重建大氣中複雜的物理現象來產生天氣預報。相較之下，AI 模型試圖從歷史天氣資料辨識出模式，以預測未來結果。

 
Google 利用獨立訓練的神經網路，透過 FGN 注入噪聲，從單一輸入產生連貫的變化，進而在天氣預報預測產生變化。

Google 能夠簡化流程，是因為在 WeatherNext 2 採用稱為 Functional Generative Network（FGN）的 AI 建模方式。舊款 AI 模型需要不斷更新處理才能產生一份天氣預報，FGN 更有效率，它直接將噪訊（noise）注入模型架構，也就是有目的之隨機性，這使 WeatherNext 2 能在單一步驟內產生多種不同的預測結果。

這樣的進展讓 WeatherNext 2 能做出最長 15 天前的預測，並且產生以小時計算的天氣預報，Google 寄望這些功能獲得企業客戶以及消費大眾青睞。

「我們發現能源、農業、交通、物流以及其他產業的客戶都對這種每小時天氣預測非常感興趣，這能幫助他們就影響業務的事項做出更精準的決策」，Google Research 產品經理 Akib Uddin 表示。

除了將 WeatherNext 2 加入搜尋、地圖、Gemini 及 Pixel 手機的 Pixel Weather 外，Google 也提出一項早期計畫，供有興趣進行自訂模型的客戶使用。這些預測資料也能在 Google Earth Engine 用於地理空間分析，或在 BigQuery 用於大規模資料分析。

天氣預報需要涵蓋所有可能性，包括最糟糕的天氣狀況，這往往是最重要的，有助於事先做好相關規劃。不只 Google 尋求讓生成式 AI 技術在天氣預報領域變得更有用、更省時間，包括歐洲中期天氣預報中心（ECMWF）、NVIDIA、華為等公司也都開發 AI 天氣預報模型。

錄自：科技新報