內(nèi)容一覽：雷暴、冰雹、龍卷風(fēng)等惡劣天氣總是不可預(yù)測(cè)和遙遠(yuǎn)。然而，澳大利亞的研究人員為了更準(zhǔn)確地預(yù)測(cè)天氣，以身作則，深入暴力收集數(shù)據(jù)。超級(jí)計(jì)算機(jī)和 AI 在祝福下，人類(lèi)能否趕上颶風(fēng)，讓混亂的天氣系統(tǒng)不再那么不可預(yù)測(cè)？看看這個(gè)追風(fēng)者主演的電影。「追風(fēng)者也」。

關(guān)鍵詞：大模型 追風(fēng)者 惡劣天氣

1996 在2008年上映的著名冒險(xiǎn)災(zāi)難片《龍卷風(fēng)》中，為了對(duì)龍卷風(fēng)進(jìn)行深入研究，主角親自將探測(cè)設(shè)備帶入龍卷風(fēng)中心，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)記錄。

受此片啟發(fā)，澳大利亞氣候?qū)W者 Joshua Soderholm 及 Julian Brimelow 共同開(kāi)始了自己的追風(fēng)之旅，并且成功地將小型天氣傳感器冰探 (hailsonde) 帶入了雹暴 (hail storm)，研究如何收集雹暴中的氣象數(shù)據(jù)，改變惡劣天氣。

圖 1：電影《龍卷風(fēng)》的劇照，更多電影詳情請(qǐng)參考：

冰探的形狀與冰雹相似，重約。 24 g。它們與汽球相連，被一起釋放到雹暴中。進(jìn)入雹暴中心后，兩者分離，冰探就像冰雹一樣，經(jīng)歷了冰雹在雹暴中的軌跡，并且記錄了冰雹在雹暴中的生長(zhǎng)條件。另外，冰探還記錄了顯著的冰增長(zhǎng)，并且跟隨超級(jí)單體的中氣流轉(zhuǎn)動(dòng)了半圈。

圖 2：在雹暴中，兩個(gè)冰探的軌跡

「起初，這只是一個(gè)業(yè)余項(xiàng)目。當(dāng)時(shí)我們想試試能不能用現(xiàn)有的技術(shù)在電影中制造設(shè)備。為了保證冰探能夠在極端的暴力條件下生存，我們?cè)谥谱鬟^(guò)程中解決了許多工程問(wèn)題?！?Joshua Soderholm 說(shuō)道。

圖 3：冰探結(jié)構(gòu)，3D 印刷零件、電池和其它電子設(shè)備被封裝在聚乙烯外殼中

「在氣象學(xué)中，從雹暴中心收集數(shù)據(jù)就像追尋白鯨，既危險(xiǎn)又令人著迷。從雹暴中心收集的數(shù)據(jù)將提高我們模擬雹暴的能力，并為雹暴中冰雹的行為提供證據(jù)。但這并不像聽(tīng)起來(lái)那么容易。你需要在正確的時(shí)間出現(xiàn)在正確的位置，遇到正確的雹暴?！?/span>

經(jīng)過(guò)幾天的壞運(yùn)氣，他們撞上了一個(gè)超級(jí)單體，并成功地將兩個(gè)冰探放入了雹暴。超級(jí)單體是一個(gè)單一的強(qiáng)雷暴系統(tǒng)，水平尺度達(dá)到十幾公里，生命周期達(dá)到幾十分鐘到幾個(gè)小時(shí)，比普通的完善單一雷暴更大、更長(zhǎng)、更強(qiáng)。冰探被超級(jí)單體捕獲后，與汽球分離，然后像冰雹一樣漂浮，最后被時(shí)速超過(guò)。 120 km 的風(fēng)帶到了 7 km 以外區(qū)域。

圖 4：Joshua Soderholm 在放飛冰探

在這項(xiàng)研究的基礎(chǔ)上，他們計(jì)劃使用更多的冰探來(lái)記錄下一個(gè)超級(jí)單體，收集落地的冰探，對(duì)下落的冰雹進(jìn)行更深入的研究。

不可預(yù)測(cè)的天氣系統(tǒng)

沒(méi)有人參與，氣象預(yù)測(cè)是不可或缺的。即使使用超級(jí)計(jì)算機(jī)，借助衛(wèi)星數(shù)據(jù)和雷達(dá)數(shù)據(jù)，我們?nèi)匀缓茈y對(duì)氣象系統(tǒng)做出準(zhǔn)確的預(yù)測(cè)。1961 2008年，美國(guó)氣象學(xué)家愛(ài)德華·諾頓·洛倫茨。 (Edward Norton Lorenz) 試著用計(jì)算機(jī)程序來(lái)預(yù)測(cè)未來(lái)的天氣。

得到結(jié)果后，他把程序的中間步驟輸出值作為下一步的輸入值，再次運(yùn)行程序。然而，因?yàn)檩斎胫抵槐Ａ袅讼聛?lái)。 3 位小數(shù)，而程序是以 6 位置浮點(diǎn)運(yùn)行，這種千分之一的誤差使得程序輸出值與上次得到的結(jié)果完全不同。

因此，他提出了混沌系統(tǒng)的概念。氣象系統(tǒng)是典型的混沌系統(tǒng)。它不是完全隨機(jī)的，但由于某些因素的變化，很容易發(fā)生劇烈的變化。換言之，氣象系統(tǒng)是一個(gè)非常敏感的系統(tǒng)。

「蝴蝶效應(yīng)」這是一個(gè)夸張但典型的例子。一只在南美洲熱帶雨林中扇動(dòng)翅膀的蝴蝶，可能會(huì)給美國(guó)帶來(lái)龍卷風(fēng)。這一切的來(lái)源是蝴蝶擾動(dòng)了系統(tǒng)的初始變量。

圖 5：蝴蝶效應(yīng)

所以，天氣預(yù)測(cè)很難完全準(zhǔn)確?，F(xiàn)有的氣象預(yù)測(cè)方法，即數(shù)值天氣預(yù)報(bào) (NWP)，先把預(yù)測(cè)區(qū)域規(guī)劃成網(wǎng)格，然后用超級(jí)計(jì)算機(jī)通過(guò)數(shù)值模擬求解偏微分方程獲得。

這種方法需要很長(zhǎng)時(shí)間，即使使用了數(shù)百個(gè)節(jié)點(diǎn)的超級(jí)計(jì)算機(jī)，對(duì)于未來(lái) 10 預(yù)測(cè)天氣還需要多個(gè)小時(shí)。與此同時(shí)，由于網(wǎng)格分辨率的限制，一些小規(guī)模的氣候過(guò)程會(huì)被類(lèi)似的函數(shù)參數(shù)化，給氣象預(yù)測(cè)帶來(lái)偏差。

正因?yàn)榇耍?strong>對(duì)小規(guī)模惡劣天氣和中長(zhǎng)期氣象預(yù)測(cè)，NWP 完美是困難的。今年 5 臺(tái)風(fēng)杜蘇芮生成后，不同的機(jī)構(gòu)使用超級(jí)計(jì)算機(jī)基于不同的模型進(jìn)行路徑預(yù)測(cè)，結(jié)構(gòu)完全不同。即使是同一個(gè)模型的預(yù)測(cè)也在隨著氣象元素的變化不斷調(diào)整，相對(duì)準(zhǔn)確的預(yù)測(cè)只能在臺(tái)風(fēng)登陸之前進(jìn)行。

以后的 6 卡努，號(hào)臺(tái)風(fēng)，走路也很獨(dú)特，突然在太平洋上轉(zhuǎn)身，然后開(kāi)始漫步，最后震驚日本，讓超級(jí)計(jì)算機(jī)也一頭霧水。

圖 6：全球集合預(yù)報(bào)系統(tǒng) (GEFS) 對(duì) 2023 年 6 臺(tái)風(fēng)卡努的路徑預(yù)測(cè)，可謂天花亂舞。

與此同時(shí)，由于各機(jī)構(gòu)所做的氣象預(yù)測(cè)各不相同，天氣預(yù)測(cè)也要由預(yù)報(bào)員參與。根據(jù)當(dāng)?shù)氐臍夂蛱攸c(diǎn)、地形條件、個(gè)人經(jīng)驗(yàn)等，預(yù)報(bào)員將綜合所有氣象預(yù)測(cè)結(jié)果，做出最后的天氣預(yù)報(bào)，但是仍然不能保證完全正確。沒(méi)有辦法，氣象系統(tǒng)是如此不可預(yù)測(cè)。

圖 7：1986 年 16 臺(tái)風(fēng)韋恩路徑圖

追求極端氣候的人

小型超級(jí)單體更是中長(zhǎng)期天氣預(yù)報(bào)的一條漏網(wǎng)之魚(yú)。超單體的特點(diǎn)是快速、難以預(yù)測(cè)，容易形成雷暴、冰雹、強(qiáng)降水或龍卷風(fēng)等惡劣天氣。。

2021 年 8 月 16 當(dāng)天晚上，北京市海淀區(qū)遭受了超級(jí)單體的暴雨。旱河路鐵路橋下存水 30 分鐘內(nèi)漲到 1.75 米，造成 2 人死亡。2023 年 8 月 13 一天下午，江蘇省鹽城市大豐區(qū)遭遇龍卷風(fēng)，造成龍卷風(fēng) 2 人死亡，15 人類(lèi)受傷。龍卷風(fēng)的形成也與超級(jí)單體有關(guān)。

圖 8：龍卷風(fēng)在鹽城大豐區(qū)

然而，雷暴、冰雹、龍卷風(fēng)等壯觀的氣象景觀可以讓探險(xiǎn)者大飽眼福，從而吸引了大量像這樣的景觀。 Soderholm 這種追風(fēng)者。每當(dāng)臺(tái)風(fēng)來(lái)臨，或者周?chē)谐?jí)單體即將出現(xiàn)時(shí)，追風(fēng)者就會(huì)做好充分的準(zhǔn)備，奔向颶風(fēng)。

與此同時(shí)，作為惡劣天氣的第一守護(hù)者，追風(fēng)者還可以收集惡劣天氣的第一手資料，為氣候研究提供寶貴的材料，豐富現(xiàn)有的計(jì)算模型和 AI 模型數(shù)據(jù)庫(kù)，為氣象學(xué)的發(fā)展做出了巨大貢獻(xiàn)。

媲美 NWP 大氣候模型

早在 2021 2008年，阿里云透露，達(dá)摩院和國(guó)家氣象中心聯(lián)合研發(fā) AI 用于天氣預(yù)測(cè)的算法，并且成功地預(yù)測(cè)了幾次強(qiáng)對(duì)流天氣。同年 9 月，Deepmind 在《Nature》發(fā)表文章，利用深層生成模型實(shí)時(shí)預(yù)測(cè)降水量。

今年初，Deepmind 正式推出了 GraphCast，能夠在一分鐘內(nèi)對(duì)全球未來(lái)進(jìn)行一分鐘 10 在天氣條件下，分辨率為 0.25° 的預(yù)測(cè)。4 南京信息工程大學(xué)與上海人工智能實(shí)驗(yàn)室合作開(kāi)發(fā)「風(fēng)烏」大型氣象預(yù)測(cè)模型，偏差較大 GraphCast 進(jìn)一步減少。

隨后，華為推出「盤(pán)古」大型氣候模型。由于三維神經(jīng)網(wǎng)絡(luò)在模型中被引出，「盤(pán)古」首次超過(guò)了當(dāng)前最準(zhǔn)確的預(yù)測(cè)準(zhǔn)確率。 NWP 預(yù)測(cè)系統(tǒng)。近日，清華大學(xué)和復(fù)旦大學(xué)相繼發(fā)布?！窷owCastNet」和「伏羲」模型。前一種對(duì)短期惡劣天氣的預(yù)測(cè)起到了很大的作用，后一種對(duì)預(yù)測(cè)時(shí)間的預(yù)測(cè)增加 15 天。

圖 9：「盤(pán)古」模型和 ECMWF 對(duì) 2018 年 25 臺(tái)風(fēng)康妮號(hào)(圖片) a）和 26 臺(tái)風(fēng)玉兔號(hào)(圖片) b）路徑預(yù)測(cè)。

可以看出，大型氣象預(yù)測(cè)模型在預(yù)測(cè)精度和預(yù)測(cè)時(shí)間上都在逼近，甚至有些超越了傳統(tǒng)模型。 NWP 分析模式。與此同時(shí)，相比較 NWP ，AI 大型氣象預(yù)測(cè)所需的設(shè)備條件較低，耗時(shí)較短。只有一個(gè) Google TPU v4，GraphCast 可以在幾分鐘內(nèi)計(jì)算出未來(lái)的天氣。

但是，現(xiàn)有的 AI 大型模型只能通過(guò)學(xué)習(xí)過(guò)去的氣象數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)的氣候。所以，在惡劣天氣和突發(fā)天氣的情況下，大模型還需要其它算法的幫助，更離不開(kāi)人們的參與。此時(shí)，活躍在風(fēng)暴中心的追風(fēng)者提供的氣象數(shù)據(jù) AI 優(yōu)化大模型更重要。人類(lèi)和大模型攜手，一定會(huì)拍出一部?jī)?yōu)秀的電影?！缸凤L(fēng)者也」。

參考鏈接：

[1] https://phys.org/news/2023-08-movie-inspired-technology-successfully-hail-eye.html

[2] http://m.nmc.cn/ty/

[3] http://henan.china.com.cn/tech/2021-06/22/content_41599891.htm

[4] https://arxiv.org/abs/2212.12794

[5] https://www.nature.com/articles/s41586-023-06185-3/figures/4

[6] 江燕如，典型的天氣過(guò)程分析 [M]. 北京:2016年氣象出版社.

本文來(lái)自微信公眾號(hào)“HyperAI超神經(jīng)”（ID:HyperAI），作者：雪菜，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com