Deepmind 推出氣旋預報AI系統

Deepmind 推出氣旋預報AI系統

Deepmind 的新氣象 AI 系統 WeatherNext Cyclones（WN-C）可以比專業氣象模型更準確地預測熱帶氣旋，並且只需要非常粗糙的資料。這個系統是如何做到的，甚至連開發人員也不是非常清楚。

氣旋預報的挑戰

氣旋預報一直以來都面臨著一個難題。全球氣象模型如 ECMWF 的 ensemble 系統（ENS）可以很好地預測氣旋的移動軌跡，但對於氣旋的強度預測則不夠精確。專門的區域氣象模型如 NOAA 的颶風分析和預報系統（HAFS）可以提供更精確的強度預測，但對於氣旋的移動軌跡則不夠準確。WN-C 系統可以在單一系統中同時處理這兩個問題。

技術實現

WN-C 系統使用了 Functional Generative Networks（FGN）技術，這是一種新的神經網路架構。這種架構可以在單一次傳遞中完成預測，而不需要像其他模型那樣需要多次傳遞。這使得 WN-C 系統比其他模型快了八倍。

WN-C 系統也使用了一種新的方法來捕捉不確定性。傳統的方法是將噪聲添加到個別像素中，但 WN-C 系統則是將噪聲注入到神經網路的控制層中。這種方法可以更好地捕捉氣旋的不確定性。

實際應用

WN-C 系統已經在 2025 年的颶風 Melissa 中實際應用。該系統幫助國家颶風中心（NHC）預測了颶風的快速增強。這個預測使得相關部門可以提前做好準備，減少了颶風帶來的損害。

未來展望

WN-C 系統的出現對於氣旋預報具有重要的意義。這個系統可以更準確地預測氣旋的移動軌跡和強度，從而幫助相關部門做好準備和應急工作。未來，WN-C 系統還可以應用於其他氣象預報領域，例如預測暴雨和乾旱等。

氣旋預報的重要性

氣旋預報對於減少氣旋帶來的損害具有重要的意義。氣旋可以帶來強風、暴雨和洪水等災害，對於人類的生命和財產具有重大威脅。因此，氣旋預報的準確性和時效性對於減少氣旋帶來的損害具有重要的意義。WN-C 系統的出現是氣旋預報領域的一個重要進展，將有助於改善氣旋預報的準確性和時效性。