一張GPU一秒生成200萬平方公里天氣雷達圖，AI開始對英國天氣重拳出擊了 | Nature
1秒預測未來2小時降雨概率
博雯 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
明明晚上預報也看了，第二天出門前也在手機上確定了實時降雨概率很低。
結果出門一個小時后，還是被突如其來的風雨交加吹成了殺馬特。
一天之內四季隨機播放，這誰頂得?。?/p>
（英國天氣：你喊我？）
除去日常生活，航空領域中的短期天氣預報一拉跨，飛機可能就得延誤。
農業、水資源、應急管理的一些項目，在短期天氣無法得到準確預測時，還可能造成更嚴重的后果。
于是，DeepMind和英國氣象局就聯手搞了個AI，最快1秒就能預測未來90分鐘內的天氣，預測范圍還超過200萬平方公里。
現在，這一研究已經登上Nature。
1秒生成單個預報
現有的很多預報技術會使用大量計算機模擬大氣物理狀態，這種方法適用于長期的天氣預測。
而DeepMind團隊開發的條件生成模型DGMR，則更專注于未來5到90分鐘內的臨近預報。
這一模型的預測范圍最大能達到1536公里×1640公里，一張NVIDIA V100 GPU就能在1秒內生成單個預報，分辨率還能達到1公里。
DeepMind研究團隊與英國氣象局的50多位氣象專家進行了一項認知評估，將基于DGMR的新方法與其他同類方法進行了對比。
實驗證明，在降雨以及環流結構和強度的預測上，DGMR與目標雷達數據最為接近：
面對地區的強降水事件，DGMR在預測降水的強度和范圍上的綜合表現也最好：
將上述生成的預測圖與同類模型預測圖放在一起，讓人類氣象專家去盲選，最終在89%的案例中，DGMR的生成結果都被認定為最佳。
“定格動畫”訓練而來的AI
那么DGMR具體是如何通過現有的雷達數據預測未來的天氣的呢？
可以說，整個模型是由一張一張的“定格動畫”訓練而來的。
只不過這些圖片來自各國氣象局發布的跟蹤云層形成和移動的雷達測量數據快照：
具體來說，DGMR在英國2016-2018年的雷達觀測數據上進行訓練，并在2019年的測試集上進行評估。
將這些數據輸入DGMR網絡中，就能預測并生成未來的動態雷達圖。
接下來看看它的具體架構。
這是一個類似GAN的深層生成網絡DGMR，在給定的時間點T使用基于雷達的地表降水估計值XT，基于過去M個雷達場預測未來N個雷達場：
學習則在條件生成的對抗網絡GAN的算法框架中進行，用四個連續的雷達觀測數據作為生成器（generator）的內容，以對未來降水的多個實現（18幀）進行采樣。
再通過一個空間判別器、一個時間判別器、一個正則化項來調整參數。
DeepMind團隊在最后也表明，氣象局專家的參與以一種不同的方式推進了這次模型的生成。
未來我們還會開發更多評估性能的方法，以提高罕見和緊張事件所需的即時天氣預報的準確性。
論文：
https://www.nature.com/articles/s41586-021-03854-z
DeepMind官方報道：
https://deepmind.com/blog/article/nowcasting
參考鏈接：
https://www.technologyreview.com/2021/09/29/1036331/deepminds-ai-predicts-almost-exactly-when-and-where-its-going-to-rain/
- 有道智能學習燈發布，通過“桌面學習分析引擎”實現全球最快指尖查詞2022-04-08
- 科學證明：狗勾真的懂你有多累，聽到聲音0.25秒后就知道你是誰，對人比對狗更親近2022-04-14
- 在M1芯片上跑原生Linux：編譯速度比macOS還快40%2022-04-05
- 小學生們在B站講算法，網友：我只會阿巴阿巴2022-03-28
相關閱讀
DeepMind提出新型神經網絡架構，用無監督方法從視頻中提取關鍵點 | 論文
用無監督的方法和寥寥數據，就能提取出關鍵點，在沒有獎勵的情況下，還能進行有效操控
