虛擬人再升級，企業可以解放雙手了？
來源：伯虎財經今天想跟大家來嘮嘮AI，其實聊到這個話題很多人都不陌生了。在ChatGPT和AIGC大熱背后，還有一位低調的“大佬”——虛擬人。比如咱們熟知的虛
新智元報道
編輯：Mindy
【新智元導讀】天氣本質上是隨機的，為了量化不確定性，傳統方法通常需要高昂的成本來物理模擬大量預測。谷歌最新研究登 Science 子刊，用生成式 AI 模型高效生成規模化的天氣預報集合，為天氣和氣候科學開辟了新的機會。
1972 年 12 月，在美國華盛頓特區舉行的美國科學促進會年會上，麻省理工學院氣象學教授埃德?洛倫茲發表了題為「巴西一只蝴蝶的扇動是否會在得克薩斯引發龍卷風？」的演講，這貢獻了「蝴蝶效應」這一術語。
在他 1963 年的一篇論文中，他發現在時間積分與數值天氣預測模型里，即使微小的起始條件誤差，也會在數值模型中迅速擴大，導致預測結果的不確定性迅速增加，這被稱為混沌現象。
因此，天氣預報的可靠性受到了限制，尤其是在極端天氣事件的預測方面，比如颶風、熱浪或洪水。
出于上述原因，目前的天氣預報其實都是概率預報。
這些預報使用了一種叫做集合預報的方法，通過在初始條件中引入一些隨機性，然后運行多個不同的模型來生成多種可能的結果。
通過對集合中的所有預報進行平均處理來減少誤差增長，并且集合中的預報的變化量量化了天氣條件的不確定性。
盡管有效，生成這些概率預報的計算成本很高。它們需要在大規模超級計算機上多次運行高度復雜的數值天氣模型。
尤其是極端天氣，通常需要更大的集合來評估。例如，為了預測發生概率為 1% 的事件的可能性，需要一個包含 1 萬個成員的集合，且相對誤差小于 10%。
但準確和及時的天氣預報，是人們日常生活所必需的。從準備一天的活動需要帶什么出門，到面對危險天氣的時候要提前做什么準備。
谷歌最新研究給天氣預報帶來了一個新的進展：Scalable Ensemble Envelope Diffusion Sampler（SEEDS）是一個生成式的 AI 模型，可以高效地生成規模化的天氣預報集合，成本僅為傳統基于物理的預測模型的一小部分。
這項技術為天氣和氣候科學開辟了新的機遇，它同時也代表了概率擴散模型在天氣和氣候預測中的首次應用。
在上述論文中，谷歌提出了可擴展的集合包絡擴散采樣器（SEEDS），這是一種用于天氣預報集合生成的生成式人工智能技術。
SEEDS 基于去噪擴散概率模型，這是一種由 Google Research 部分開創的最先進的生成式人工智能方法。
生成式人工智能以生成非常詳細的圖像和視頻而聞名，這一特性對于生成與真實天氣模式一致的集合預報特別有用。
SEEDS 可以根據操作性數值天氣預報系統中的一兩個預報來生成大量的集合。
生成的集合在技能指標上與基于物理的集合相匹配或超過，比如均方根誤差（RMSE）和連續排名概率評分（CRPS）等；不僅如此，還為預報分布的尾部（如 ±2σ 和 ±3σ 天氣事件）分配了更準確的可能性。
最重要的是，與需要數小時計算時間的超級計算機相比，該模型的計算成本幾乎可以忽略不計。在 Google Cloud TPUv3-32 實例上，其吞吐量為每 3 分鐘 256 個集合成員（分辨率為 2°），并且可以通過部署更多加速器輕松擴展到更高的吞吐量。
下圖對比了 SEEDS 與操作性美國天氣預報系統（全球集合預報系統，GEFS）在 2022 年歐洲熱浪期間某個特定日期的預報結果。
其中 A 是真實觀測的代理，（Ca-Ch）是 SEEDS 模擬出來的 8 個樣本，而（Da-Dh）是來自 GEFS 的預報。雖然肉眼可能很難直接看出明顯的區別，但 SEEDS 更能捕捉到交叉場和空間相關性，這會與真實的天氣更加貼近。
這是因為 SEEDS 直接模擬了大氣狀態的聯合分布，它實際上捕捉了大氣狀態的空間協方差和中對流層高度和平均海平面氣壓之間的相關性，這兩者常被氣象學家用于預報評估和驗證。（一些專業的解釋：平均海平面氣壓的梯度驅動著地表的風，而中對流層高度的梯度則產生了移動大尺度天氣模式的高層風。）
SEEDS 集合能夠從一兩個種子預報中外推，展示了可能的天氣狀態的范圍，對事件的統計覆蓋更好。
也就是說，高度可擴展的生成方法能夠創建非常大的集合，可以通過任何不同狀態閾值設置的天氣樣本，來描述非常罕見的事件。
比如說下圖展示了 2022 年 7 月 14 日當地時間 1:00 在里斯本附近發生的極端高溫事件的 2 米溫度和總柱水汽的聯合分布。
對于每個圖，谷歌研究團隊使用 SEEDS 根據 2 個物理模型的種子預報，生成了 16384 個成員的集合，顯示為綠色點。
正確天氣事件來自 ERA5，用星號表示。
用方塊表示用于傳統方法生成集合的預報，用三角形表示剩余的傳統方法集合成員。
可以看到藍色方塊和黃色三角形根本不接近星號，也就是說，傳統方式根本不可能提前觀察到這種極端情況，其 31 個成員中沒有一個預測到與觀察到的那樣溫暖的近地表溫度。
實際上，從高斯核密度估計中計算的事件概率低于 1%，這意味著少于 100 個成員的集合不太可能包含與此事件一樣極端的預報。
而 SEEDS 生成的綠色點，卻可以提供更好的統計覆蓋，基于它精準的生成能力和高效的生成速度。
天氣預報新模式？上述實驗展示了一種混合預報系統，SEEDS 利用基于物理模型計算出的少數幾條天氣軌跡來更有效地生成更多預報的擴散模型。
這種方法提供了一種替代當前操作性天氣預報范式的方法。
同時，通過統計模擬器節省的計算資源可以用于提高基于物理模型的分辨率或更頻繁地發布預報。
這或許是天氣預報的未來新模式，也可能 SEEDS 僅代表了未來幾年 AI 將加速操作性數值天氣預報進展的眾多方式之一。
但谷歌研究展現出來的是生成式人工智能在天氣預報模擬和后處理中的實用性，對于準確量化未來氣候的不確定性和氣候風險評估，提供了一個新的方向。
參考資料：
https://blog.research.google/2024/03/generative-ai-to-quantify-uncertainty.html
本文來自微信公眾號：新智元 （ID：AI_era）
本文鏈接：http://www.www897cc.com/showinfo-45-4190-0.htmlAI 預測蝴蝶效應？谷歌最新天氣預報模型 SEEDS 登 Science 子刊
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號