通过解答物理方程，NWP可提前数天得到地球尺度的预测。为此，DeepMind团队开发的条件生成模型DGMR为概率预报开发了一种观测驱动的方法。此外，DGMR既能从观测数据中学习，又能表示多个空间和时间尺度上的不确定性。科学家们对这项结果表示其他科学家并没有被这个结果所震惊。Mohamed说，目前没有任何立即使用该模型的计划，但该团队希望最终使用该模型为未来的天气报告提供真实信息。
编译 | 禾木木
出品 | AI科技大本营（ID:rgznai100）
此次 DeepMind 聚焦天气预报这一重大挑战，与英国气象局合作将 AI 应用于预测降雨。
在天气现象中，雨尤其重要，因为它会影响我们的日常决策。
我应该带伞吗？
遇到大雨时，车辆应该如何安排路线？
如果下雨了，我们在户外活动中应该怎么做？
下大雨会不会有洪水的发生？
虽然每次出门之前都会先看一下天气预报，就怕被浇成『落汤鸡』
但是……
只要一不注意，还是会被淋个措手不及。
DeepMind 的最新招数——预测天气。
在围棋和《星际争霸》之后，DeepMind 正在将其 AI 带入另一个具有挑战性的领域：预测天气。
过去几年，这家 Alphabet 旗下的公司一直在与英国气象局悄悄合作。近日，他们在《Nature》杂志上报告了合作成果。简而言之，DeepMind 设计了一种新的机器学习模型，可以准确预测未来90分钟内的天气变化。
短期天气预测目前的天气预报是由强大的数值天气预报 (NWP) 系统驱动的。通过解答物理方程，NWP 可提前数天得到地球尺度的预测。然而，它们很难在两小时内产生高分辨率的预测。
即时预报填补了这个关键时间间隔内的性能差距。气象传感方面的进步使得高分辨率雷达可以高频使用（在 1 公里分辨率下每 5 分钟一次）提供测量出的地面降水量数据。
为此，DeepMind 团队开发的条件生成模型 DGMR 为概率预报开发了一种观测驱动的方法。并且更专注于未来5到90分钟内的即时预报。
DGMR 是学习数据概率分布的统计模型，可以从学习到的分布中轻松生成样本。由于生成模型从根本上是概率性的，可以从给定的历史雷达的条件分布中模拟许多样本，生成预测集合。此外，DGMR 既能从观测数据中学习，又能表示多个空间和时间尺度上的不确定性。
这一模型的预测范围最大能达到1536公里×1640公里，一张 NVIDIA V100 GPU 就能在1秒内生成单个预报，分辨率还能达到1公里。
即时预报的生成模型DeepMind 使用生成模型的方法，根据过去的雷达，对未来的雷达进行详细和可信的预测。有了这样的方法，研究员们既可以准确地捕捉大规模的事件，同时也可以生成许多备选的降雨情景（称为集合预测），使降雨的不确定性得到探索。
DeepMind 的模型也十分擅长中到大雨事件的预测，与其他竞争方法相比有着明显的改进。
DeepMind 研究团队与英国气象局（Met Office）的50多位气象专家进行了一项认知评估，将基于 DGMR 的新方法与其他同类方法进行了对比。
实验证明，在降雨以及环流结构和强度的预测上，DGMR与目标雷达数据最为接近：
生成法（DGMR）比平流法（PySTEPS）更好地捕捉了环流、强度和结构，更准确地预测了东北地区的降雨和运动。面对地区的强降水事件，DGMR在预测降水的强度和范围上的综合表现也最好：
将几种不同的方法进行对比后，89% 的情况下专家们会把 DeepMind 的方法评为首选。
如何通过雷达预测天气？DeepMind 在 2016-2018 年间英国雷达记录的降水事件的大型数据集上训练其DGM。训练完成后，它可以在一秒钟内提供预报，并在单个 NVIDIA V100 GPU 上运行。
这是一个类似 GAN 的深层生成网络 DGMR ，在给定的时间点T使用基于雷达的地表降水估计值XT，基于过去M个雷达场预测未来N个雷达场：
学习则在用于降水预测的条件生成对抗网络（GAN）的算法框架内进行的。四个连续的雷达观测数据（之前的20分钟）被用作发生器的背景，对未来降水的多个实现进行采样，每个实现为18帧（90分钟）。
再通过一个空间判别器、一个时间判别器、一个正则化项来调整参数。
DeepMind 研究人员相信，这是一个令人兴奋的研究领域，他们希望能为新的工作提供数据和验证方法，使提供有竞争力的验证和操作效用成为可能。
科学家们对这项结果表示其他科学家并没有被这个结果所震惊。
雷丁大学的气象学家 Peter Clark 说：“我认为这里的预测没有任何革命性的变化。”依靠这个指标来证明他们模型的有用性让他感到困惑。“我对他们没有选择使用更合适的客观分数感到惊讶，”他说。“很少有人详细说明评估是如何进行的，甚至实际上评估了什么。”
DeepMind 没有给出一个具体数字，说明其模型与其他现有模型相比准确度有多高。“我们想要采取的方法是这种更加谨慎的方法，而不是报告一个 [单个] 数字，”DeepMind 的高级科学家兼该论文的作者 Shakir Mohamed 说。
同样是雷丁大学的气象学家 Rob Thompson 说：“它与其他当前的顶尖类型模型的表现相似。”但他们的模式并没有遥遥领先。“它可能会稍微好一点，”他说。
Mohamed 说，目前没有任何立即使用该模型的计划，但该团队希望最终使用该模型为未来的天气报告提供真实信息。
AI 会不会取代天气预报员？
这倒不用担心，DeepMind的研究科学家同时也是论文的作者 Suman Ravuri 表示，人工智能不会在这个领域取代人类：“天气预测需要专家和人类参与其中，以确保在预测方面的理解是合理的，然后将其传达给公众。”
参考链接：
https://deepmind.com/blog/article/nowcasting
https://www.wired.co.uk/article/deepmind-weather-nowcasting
https://www.nature.com/articles/s41586-021-03854-z
,
