氣象預(yù)報(bào)和每位人的生活都息息相關(guān)。假如說明天的天氣會(huì)影響你穿哪些衣物、去哪兒，這么一周后的天氣預(yù)報(bào)，可能影響你是否會(huì)出差、活動(dòng)方是否適宜舉行小型體育比賽。
除了這般，中期氣象預(yù)報(bào)預(yù)測還在防災(zāi)減災(zāi)中發(fā)揮重要作用，它將及時(shí)提醒什么地方的村民須要及時(shí)避災(zāi)避險(xiǎn)，其精準(zhǔn)性不但影響當(dāng)?shù)亟?jīng)濟(jì)，還涉及到數(shù)以萬計(jì)的生命安全。
相較24小時(shí)以內(nèi)、局部的氣象預(yù)測，中常年氣象預(yù)測由于氣候的變幻詭譎，常常確切率會(huì)更低。傳統(tǒng)數(shù)值預(yù)報(bào)，也就是將氣象檢測數(shù)據(jù)代入物理化學(xué)方程式的預(yù)測方法，也因而未能改變中常年氣象預(yù)測的困局。
正當(dāng)眾人紛紛探求到底那里是中常年氣象預(yù)報(bào)的突破口時(shí)，華為云試著將這個(gè)困局拋給了AI大模型。
近日，華為云推出了高幀率全球AI氣象預(yù)報(bào)系統(tǒng)：盤古氣象大模型，其中常年氣象預(yù)測精度超過業(yè)界基于傳統(tǒng)數(shù)值方式的模型，預(yù)測速度提高10000倍。
▲華為云盤古大模型全球氣象實(shí)時(shí)預(yù)測
華為云盤古氣象大模型是業(yè)內(nèi)首個(gè)精度超過傳統(tǒng)數(shù)值預(yù)報(bào)方式的全球AI氣象預(yù)測模型。它有什么技術(shù)優(yōu)勢？研制團(tuán)隊(duì)怎么增強(qiáng)AI氣象預(yù)測精度？AI大模型產(chǎn)業(yè)化早已發(fā)展到哪些程度？
帶著這種問題我們和華為云人工智能領(lǐng)域首席科學(xué)家、IEEE、國際歐亞科大學(xué)教授田奇等專家進(jìn)行了深度交流，找到了答案。
用AI預(yù)測一周后的全球天氣可靠嗎？
氣象預(yù)測，雖然就是預(yù)測大氣運(yùn)動(dòng)狀態(tài)以及其各種變化。影響天氣變化的誘因有好多種，如經(jīng)經(jīng)度、地形地勢、大氣環(huán)流、海陸分布、洋流等。在這種影響誘因中，任何一個(gè)微小的數(shù)值變化，都可能帶來迥然不同的結(jié)果。
正如你們所熟知的，一只南非洲亞馬遜河流域溫帶雨林中的蝴蝶，時(shí)常扇動(dòng)幾下翅膀，可能會(huì)在兩周之后引發(fā)韓國得克薩斯州的一場龍卷風(fēng)。這彰顯了世界是一個(gè)普遍聯(lián)系的有機(jī)整體，氣象是全球互相關(guān)聯(lián)的。
這同樣也導(dǎo)致了傳統(tǒng)數(shù)值方式在中常年天氣預(yù)報(bào)預(yù)測的窘境，任何一點(diǎn)細(xì)小的數(shù)據(jù)偏差，都易導(dǎo)致結(jié)果巨大誤差。更畢竟，目前科學(xué)界對大氣運(yùn)動(dòng)規(guī)律認(rèn)識(shí)有限，用于估算未來天氣的各項(xiàng)數(shù)據(jù)無法達(dá)到最高水準(zhǔn)。
“當(dāng)一個(gè)問題涉及極其復(fù)雜的物理機(jī)理，人們很難找到具體的方程式。同時(shí)，還涉及到大量數(shù)據(jù)時(shí)，我們覺得這個(gè)問題很適宜交給AI去解。”田奇說。他覺得氣象研究是一個(gè)很適宜AI發(fā)揮相應(yīng)作用的一大領(lǐng)域。
▲華為云人工智能領(lǐng)域首席科學(xué)家、IEEE、國際歐亞科大學(xué)教授田奇
無論是傳統(tǒng)數(shù)值方式，還是過去的AI模型都是基于局部的數(shù)據(jù)作出相應(yīng)預(yù)測，但由于全球氣象是相互影響的，因而對于整體氣象預(yù)測而言，這兩種方式的預(yù)測確切率通常都不高。
這么，要怎么構(gòu)建一個(gè)可以更精準(zhǔn)地進(jìn)行全球氣象預(yù)測的AI大模型呢？
華為云研制團(tuán)隊(duì)首先通過全球氣象數(shù)據(jù)，構(gòu)建了一個(gè)精準(zhǔn)的全球氣象模型。之后，盤古大模型的研制人員通過微調(diào)的方法將當(dāng)?shù)氐臍庀髷?shù)據(jù)喂給盤古氣象大模型，因而讓大模型更熟悉當(dāng)?shù)氐臍庀筇攸c(diǎn)，更好地預(yù)測氣象變化。
該AI模型的水平空間幀率達(dá)到0.25°×0.25°，約28公里x28公里，可以精準(zhǔn)地預(yù)測細(xì)細(xì)度氣象特點(diǎn)。
目前，盤古氣象大模型還能提供秒級的全球氣象預(yù)報(bào)，其氣象預(yù)測結(jié)果包括位勢、濕度、風(fēng)速、溫度、海平面氣壓等。據(jù)介紹，盤古氣象大模型還可以直接應(yīng)用至多個(gè)氣象研究細(xì)分場景，如溫帶風(fēng)暴預(yù)測等。
全球AI氣象預(yù)報(bào)系統(tǒng)背后的黑科技
為何在過去一段時(shí)間內(nèi)，全球AI氣象預(yù)報(bào)模型的預(yù)測精度遠(yuǎn)高于傳統(tǒng)的數(shù)值預(yù)報(bào)？盤古研究團(tuán)隊(duì)發(fā)覺，主要緣由有兩點(diǎn)：
以這兩點(diǎn)為突破口，盤古氣象大模型的研究團(tuán)隊(duì)首先通過3DEarth-的方法處理復(fù)雜的不均勻3D氣象數(shù)據(jù)，增強(qiáng)AI大模型的預(yù)測精度。
“簡單來說天氣預(yù)報(bào)大氣壓強(qiáng)查詢，我們的世界是三維的，過去，我們是將三維的數(shù)據(jù)交給二維的神經(jīng)網(wǎng)路來處理，所以會(huì)存在不足。具體來說，2D模型無法捕捉不同大氣高度下氣流團(tuán)之間的互相作用，但是2D模型無法把握通常只在3D空間中完全敘述的天氣過程（如幅射和對流）的規(guī)律。如今我們開始嘗試用三維的神經(jīng)網(wǎng)路去處理氣象的數(shù)據(jù)，能得到更精準(zhǔn)的結(jié)果。”田奇說道。
他還談到未來，假如想要進(jìn)一步增強(qiáng)AI模型的精準(zhǔn)度，研究人員可以在三維的基礎(chǔ)上再加上時(shí)間軸，弄成四維的深度學(xué)習(xí)網(wǎng)路，預(yù)測結(jié)果可能會(huì)更好。
▲3DEarth-構(gòu)架
同時(shí)，盤古氣象大模型還通過“層次化頻域聚合策略”，降低了大模型迭代偏差，并降低了一定內(nèi)存消耗，提高了訓(xùn)練效率。
研究人員通過訓(xùn)練4個(gè)不同預(yù)報(bào)間隔的模型，之后用貪心算法調(diào)試這種模型，進(jìn)而讓預(yù)測特定時(shí)間氣象情況的迭代次數(shù)最小，降低訓(xùn)練資源消耗，提升訓(xùn)練過程的穩(wěn)定性。
基于這兩點(diǎn)為突破口，相較于其他的預(yù)測方法天氣預(yù)報(bào)大氣壓強(qiáng)查詢，盤古氣象大模型在高空氣象預(yù)測、地表氣象預(yù)測數(shù)據(jù)方面，偏差進(jìn)一步減少。
例如說，在同一高空變量Z500時(shí)，傳統(tǒng)數(shù)值方式，以法國氣象中心的IFS為代表，預(yù)測均方根偏差（單位：m2/s2）為152.8和333.7，盤古氣象大模型把偏差降低到134.5和296.7。
據(jù)介紹，同一預(yù)測精度下，盤古氣象大模型可以預(yù)測時(shí)間范圍可以延長到36小時(shí)以上。
換句話說，在高空氣象預(yù)測領(lǐng)域，盤古氣象大模型的預(yù)測結(jié)果比傳統(tǒng)數(shù)值預(yù)報(bào)和AI預(yù)報(bào)的預(yù)測偏差分別增加了10%、30%。而同一預(yù)測精度下，盤古氣象大模型還能比傳統(tǒng)數(shù)值預(yù)報(bào)時(shí)間和AI預(yù)報(bào)的預(yù)測時(shí)間更長，當(dāng)其他方式才能預(yù)測一天氣象時(shí)，盤古大模型可以預(yù)測四天后甚至是五天后的氣象變化。
同時(shí)，盤古氣象大模型可以更好地預(yù)測更細(xì)小的氣象特點(diǎn)變化，進(jìn)而幫助氣象學(xué)家獲得更確切的氣象結(jié)果，以及從事相關(guān)氣象研究。
“這并非是盤古氣象大模型的預(yù)測極限”，盤古大模型研制專家講，“隨著大模型進(jìn)一步迭代，盤古氣象大模型的預(yù)測精度還才能進(jìn)一步增強(qiáng)。”
據(jù)悉，盤古氣象大模型在一些極端天氣、熱帶風(fēng)暴的預(yù)測上，同樣達(dá)到了更高的精度。
據(jù)介紹，盤古氣象大模型在預(yù)報(bào)2018年知名的臺(tái)風(fēng)康雷和玉兔時(shí)都達(dá)到了很高的確切度。非常是臺(tái)風(fēng)玉兔，盤古領(lǐng)先傳統(tǒng)方式超過48小時(shí)，同時(shí)判定出玉兔的正確登錄地點(diǎn)：新加坡黎巴嫩亞納群島。
可以見到，在優(yōu)化了AI大模型的處理數(shù)據(jù)的方法后，華為云首次實(shí)現(xiàn)全球AI氣象高精度預(yù)測。據(jù)悉，當(dāng)未來須要用盤古氣象大模型進(jìn)行區(qū)域性氣象精準(zhǔn)預(yù)測時(shí)，僅須要輸入少量當(dāng)?shù)財(cái)?shù)據(jù)，即可快速得到該區(qū)域高精度氣象預(yù)測的結(jié)果。
盤古氣象大模型的出現(xiàn)，填補(bǔ)了氣象預(yù)測在中常年預(yù)測的不足之處，帶動(dòng)了國外中常年的預(yù)測發(fā)展，實(shí)現(xiàn)了在該領(lǐng)域的“國產(chǎn)自研”。
大模型已走出實(shí)驗(yàn)室將成為AI的“操作系統(tǒng)”
目前，盤古大模型早已在電力、煤礦、醫(yī)療等多項(xiàng)目上逐漸落地，氣象領(lǐng)域則是盤古大模型踏入的新領(lǐng)域之一。
“我們也聽到一些新的方向，如針對語音助手更好的對話模型、AIGC、渲染等領(lǐng)域。”田奇提及未來挖掘盤古大模型新的應(yīng)用場景時(shí)，將會(huì)以“高價(jià)值、大場景”為主要標(biāo)準(zhǔn)。他覺得大模型并非適宜解決所有問題，一些細(xì)分的場景并不適宜AI處理。
“我們希望通過大模型做一個(gè)基座，在前面‘長’出好多應(yīng)用。就那些場景來講，假如解決一個(gè)場景，就可以快速到不同地方復(fù)制解決相關(guān)問題，這種就是高價(jià)值、大場景的領(lǐng)域，值得我們?nèi)リP(guān)注。”田奇補(bǔ)充道。
這樣的選擇標(biāo)準(zhǔn)也和近些年來AI大模型的發(fā)展離不開關(guān)系。
近些年來，預(yù)訓(xùn)練大模型的出現(xiàn)讓行業(yè)與AI快速結(jié)合成為了可能，企業(yè)在通用大模型的基礎(chǔ)上進(jìn)行行業(yè)知識(shí)的微調(diào)后，可以快速訓(xùn)練出一個(gè)好用的行業(yè)模型，支撐不同企業(yè)的個(gè)性化訂制需求。這也是這幾年人工智能領(lǐng)域一個(gè)新的動(dòng)力來源。大模型也從實(shí)驗(yàn)室的“工具”，成為一個(gè)觸手可及的服務(wù)、一項(xiàng)人工智能的基礎(chǔ)設(shè)施。
▲AI的發(fā)展歷程
隨著越來越多的AI大模型走出實(shí)驗(yàn)室，踏入產(chǎn)業(yè)深處，中國信通院也在明年啟動(dòng)大模型系列標(biāo)準(zhǔn)編制工作，希望以此規(guī)范產(chǎn)業(yè)鏈的發(fā)展。
華為云也參與到中國信通院的大模型標(biāo)準(zhǔn)構(gòu)建工作中，加速推動(dòng)人工智能實(shí)用化、通用化和普惠化發(fā)展進(jìn)程。在首輪大模型測評的“模型開發(fā)”和“模型能力”兩部份，華為云盤古大模型達(dá)到了當(dāng)前最中級4+級標(biāo)準(zhǔn)。
田奇提及，華為云在整合了大模型的研制和落地經(jīng)驗(yàn)后，還組織專家團(tuán)隊(duì)，撰寫了《預(yù)訓(xùn)練大模型藍(lán)皮書》。“我們希望將自身對大模型的洞察毫無保留地分享給業(yè)界，通過梳理大模型的關(guān)鍵技術(shù)點(diǎn)，提供一種通用的標(biāo)準(zhǔn)，實(shí)現(xiàn)大模型的標(biāo)準(zhǔn)化和產(chǎn)業(yè)化。我們希望大模型還能漸漸成為AI的‘操作系統(tǒng)’，讓大模型或則AI能力真正才能釋放到生活中去。”
AI大模型走入產(chǎn)業(yè)“深水區(qū)”
盤古氣象大模型的成功，不但代表著AI大模型正在邁向產(chǎn)業(yè)“深水區(qū)”，并且也是國外科技自立自強(qiáng)的的案例之一，填補(bǔ)了國外在中常年氣象預(yù)報(bào)的不足之處。
通過常年基于全球天氣數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)路模型，盤古氣象大模型成為了業(yè)內(nèi)首個(gè)精度超過傳統(tǒng)數(shù)值預(yù)報(bào)方式的AI大模型。在研制過程中，華為云既有基于過去AI氣象模型的思索和迭代，又基于氣象數(shù)據(jù)的特點(diǎn)，在大模型的數(shù)據(jù)處理等環(huán)節(jié)進(jìn)一步創(chuàng)新。
AI大模型正成為明年最熱門的話題之一。正如田奇所說，AI大模型正在成為AI的“操作系統(tǒng)”，在此基礎(chǔ)上，AI大模型可以充分發(fā)揮AI的生產(chǎn)力，并衍生出各類不同的AI工具，促使數(shù)字化產(chǎn)業(yè)化變革。
